我給出了很多關於我用來編寫代碼的方法的信息。如果您只想閱讀我的問題,請跳至最後的引號。爲什麼我的關聯模型在數據集中找不到子組?
我正在研究一個項目,其目標是檢測一組患者中的亞羣。我認爲這聽起來像是使用關聯規則挖掘的絕好機會,因爲我目前正在就這個問題開展一門課。
我總共有42個變量。其中20個是連續的,必須離散化。對於每個變量,我使用Freedman-Diaconis規則來確定將組分成多少個類別。
def Freedman_Diaconis(column_values):
#sort the list first
column_values[1].sort()
first_quartile = int(len(column_values[1]) * .25)
third_quartile = int(len(column_values[1]) * .75)
fq_value = column_values[1][first_quartile]
tq_value = column_values[1][third_quartile]
iqr = tq_value - fq_value
n_to_pow = len(column_values[1])**(-1/3)
h = 2 * iqr * n_to_pow
retval = (column_values[1][-1] - column_values[1][1])/h
test = int(retval+1)
return test
從那裏我用最小 - 最大規範化
def min_max_transform(column_of_data, num_bins):
min_max_normalizer = preprocessing.MinMaxScaler(feature_range=(1, num_bins))
data_min_max = min_max_normalizer.fit_transform(column_of_data[1])
data_min_max_ints = take_int(data_min_max)
return data_min_max_ints
改造我的數據,然後我乾脆拿着整數部分得到最終的分類。
def take_int(list_of_float):
ints = []
for flt in list_of_float:
asint = int(flt)
ints.append(asint)
return ints
然後我寫了一個函數,我用這個函數把這個值和變量名結合起來。
def string_transform(prefix, column, index):
transformed_list = []
transformed = ""
if index < 4:
for entry in column[1]:
transformed = prefix+str(entry)
transformed_list.append(transformed)
else:
prefix_num = prefix.split('x')
for entry in column[1]:
transformed = str(prefix_num[1])+'x'+str(entry)
transformed_list.append(transformed)
return transformed_list
這樣做是爲了區分具有相同值但出現在不同列中的變量。例如,變量x14的值爲1意味着與變量x20中的值1不同。字符串轉換函數將爲前面提到的示例創建14x1和20x1。
在此之後,我在籃下格式
def create_basket(list_of_lists, headers):
#for filename in os.listdir("."):
# if filename.e
if not os.path.exists('baskets'):
os.makedirs('baskets')
down_length = len(list_of_lists[0])
with open('baskets/dataset.basket', 'w') as basketfile:
basket_writer = csv.DictWriter(basketfile, fieldnames=headers)
for i in range(0, down_length):
basket_writer.writerow({"trt": list_of_lists[0][i], "y": list_of_lists[1][i], "x1": list_of_lists[2][i],
"x2": list_of_lists[3][i], "x3": list_of_lists[4][i], "x4": list_of_lists[5][i],
"x5": list_of_lists[6][i], "x6": list_of_lists[7][i], "x7": list_of_lists[8][i],
"x8": list_of_lists[9][i], "x9": list_of_lists[10][i], "x10": list_of_lists[11][i],
"x11": list_of_lists[12][i], "x12":list_of_lists[13][i], "x13": list_of_lists[14][i],
"x14": list_of_lists[15][i], "x15": list_of_lists[16][i], "x16": list_of_lists[17][i],
"x17": list_of_lists[18][i], "x18": list_of_lists[19][i], "x19": list_of_lists[20][i],
"x20": list_of_lists[21][i], "x21": list_of_lists[22][i], "x22": list_of_lists[23][i],
"x23": list_of_lists[24][i], "x24": list_of_lists[25][i], "x25": list_of_lists[26][i],
"x26": list_of_lists[27][i], "x27": list_of_lists[28][i], "x28": list_of_lists[29][i],
"x29": list_of_lists[30][i], "x30": list_of_lists[31][i], "x31": list_of_lists[32][i],
"x32": list_of_lists[33][i], "x33": list_of_lists[34][i], "x34": list_of_lists[35][i],
"x35": list_of_lists[36][i], "x36": list_of_lists[37][i], "x37": list_of_lists[38][i],
"x38": list_of_lists[39][i], "x39": list_of_lists[40][i], "x40": list_of_lists[41][i]})
寫的一切文件,我用先驗包Orange,看看是否有任何關聯規則。
rules = Orange.associate.AssociationRulesSparseInducer(patient_basket, support=0.3, confidence=0.3)
print "%4s %4s %s" % ("Supp", "Conf", "Rule")
for r in rules:
my_rule = str(r)
split_rule = my_rule.split("->")
if 'trt' in split_rule[1]:
print 'treatment rule'
print "%4.1f %4.1f %s" % (r.support, r.confidence, r)
使用此技術,我發現了很多關聯規則與我的測試數據。
這是我有一個問題
當我閱讀筆記的訓練數據,有本說明
...也就是說,只有 原因觀察到的所有患者對相同治療的反應之間的差異是隨機噪聲。因此,對於該數據集沒有有意義的分組...
我的問題是,
根據筆記的時候,爲什麼我拿到這將意味着有多個亞組關聯規則,我什麼都看不到?
我得到的升力數字高於2,而不是1,如果所有東西都像筆記狀態一樣是隨機的,那麼應該是1。
Supp Conf Rule
0.3 0.7 6x0 -> trt1
即使我的代碼運行,我沒有得到任何接近應該預期的結果。這讓我相信我搞砸了一些東西,但我不確定它是什麼。