7、心血管疾病数据挖掘中鱼骨图的集成应用

心血管疾病数据挖掘中鱼骨图的集成应用

在心血管疾病的研究中，数据挖掘技术能够帮助我们从大量的临床数据中发现有价值的信息。本文将介绍几种数据挖掘技术在心血管疾病数据处理中的应用，以及如何将这些技术生成的鱼骨图进行集成，以更全面地分析心血管疾病的相关因素。

1. 数据挖掘技术概述

• 关联规则树推理 ：该技术用于描述与心血管疾病相关的主要和次要因素的顺序相关性。在不指定最低支持度和情感值的情况下，通过主要和次要因素的组合，若置信度值的增加率高于支持度值的降低率，次要因素可以显著促进心血管疾病患者与主要因素之间的关系，这种关系可以绘制成关联规则树。关联规则树的根节点定义为心血管疾病患者，以鱼骨图的形式展示，主要因素类别作为鱼骨的中轴连接根节点，后续节点可以是主题和子主题。
• C4.5决策树 ：是一种流行的预测数据挖掘技术，它创建一个树状的预测模型，每个节点是数据集中的一个属性，每条边代表该属性节点内的一个可选属性值。根节点是用于预测的最佳属性节点，叶节点代表要预测的类值。在本研究中，在WEKA上实现C4.5决策树，以获得说明属性节点和类节点之间关系的树模型。每个叶节点选择显示每个对象数据至少十个项目，以获得合适大小的树。决策树可以转换为鱼骨图，鱼头部定义为心血管疾病患者类。

2. 集成鱼骨图的提出

知识发现是一个迭代过程，通过结合每一轮数据挖掘的结果来总结知识发现。不同的数据挖掘技术生成的图形或树由于结构、特征和操作环境的差异，不能直接集成，但它们的关联规则中都存在顺序，且以不同形状的图形呈现。鱼骨图可以展示感兴趣的问题与相关因素之间的关联顺