<del id="aymay"></del> 0 引言
數據挖掘從20世紀80年代提出到現在，不過短短20多年的時間，但其應用已非常廣泛，不僅用于科研領域，在商業領域的應用也毫不遜色，尤其是用于銀行、電信、保險、交通、零售(如超級市場)等領域。數據挖掘在醫學領域的應用也有著廣泛的前景。在醫學領域存在著大量的數據，包括病人病史、診斷、檢驗、和治療的臨床信息，藥品管理信息，醫院管理信息等。數據挖掘應用到醫學領域，對醫學數據進行分析，提取隱含的有價值的信息能夠促進醫院管理者作出明智決策、醫生對病人的正確診斷和治療。這對促進人類健康、保持健康的生活質量都有積極的意義。
1 基于關聯規則數據挖掘技術分析
1.1 數據挖掘概述
1.1.1 數據挖掘的定義
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在的有用信息和知識的過程。這個定義包含幾層含義，數據源必須是真實的、大量的、含噪聲的;發現的是用戶感興趣的知識;發現的知識要可接受、可理解、可運用;并不要求發現放之四海而皆準的知識，僅需支持特定的發現問題。
1.1.2 數據挖掘的過程
數據挖掘過程一般需要經歷數據準備、數據開采、結果表述和解釋三個主要步驟。
(1)數據準備。數據準備是數據挖掘中的一個重要步驟，數據準備是否做好將直接影響到數據挖掘的效率、準確度以及最終模式的有效性。這個階段又可以進一步分為三個子步驟：數據集成、數據選擇、數據預處理。
(2)數據開采。數據開采階段選定某個特定的數據挖掘算法(如關聯規則、分類、回歸、聚類等算法)，用于搜索數據中的模式。這是數據挖掘過程中最關鍵的一步，也是技術難點。
(3)結果表述和解釋。根據最終用戶的決策目的，對提取的信息進行分析，把最有價值的信息區分出來，并且通過決策支持工具提交給決策者。因此，這一步驟的任務不僅是把結果表達出來，還要對信息進行過濾處理。如果不能令決策者滿意，需要重復以上的數據挖掘過程。
1.2 關聯規則概述
給定一個事務(交易)數據庫，人們往往希望發現事務中的關聯事實，即事務中一些項目的出現必定隱含著同次事務中其他項目的出現，這是關聯規則的一個簡單的描述。
設I ={t1,t2 ,-,tm} 是由m 個不同項目組成的集合，D 是交易數據庫(交易數據庫又稱事務數據庫)，其中每一個交易或事務T 是I 中一些項目的集合，即T- I.每一個交易或事務T 都與一個惟一的標識符TID相聯。
對于項目集X-I,如果X-T,則交易或事務T 支持X.
如果X 中有k 個項目，則又稱X 為k- 項目集，或X 的長度為k.
關聯規則是指形式如下的一種數據隱含關系：X -Y,其中X - I,Y-I,且X-Y = -.
關聯規則挖掘的任務是：在給定的交易或事務數據庫D 中，發現D 中所有的頻繁關聯規則。所謂頻繁關聯規則是指這些規則的支持度、置信度分別不低于用戶給定的最小支持度和最小置信度。
