Научная статья на тему "Использование ассоциативных правил как инструмента Data Mining"

ИСПОЛЬЗОВАНИЕ АССОЦИАТИВНЫХ ПРАВИЛ КАК ИНСТРУМЕНТА DATA MINING

Баширова Ю. С. (МГТУ, БИ3б-221, ИЭУиМО)

Ковальчук В. В. (МГТУ, кафедра ИСиПМ)

С возрастанием количества накапливаемых данных, становится все сложнее обрабатывать и интерпретировать полученные результаты. А, как известно, одно из положений Data Mining – поиск практически полезных закономерностей [1]. Именно поэтому сегодня актуальны алгоритмы анализа данных и эта актуальность, несомненно, растет.

Данная исследовательская работа посвящена поиску ассоциативных правил. К сожалению, задача поиска ассоциативных правил используется только для нахождения типичных покупок, совершаемых в супермаркетах, поэтому ее еще называют анализом рыночной корзины. Но, на самом деле, это не только мощнейший инструмент маркетинга. Проведем эксперимент, и попробуем применить анализ ассоциативных правил для создания медицинской экспертной системы.

Использование механизма поиска ассоциативных правил на примере данных о заболеваниях человека и их симптомах позволит спрогнозировать возможные осложнения течения болезни и предотвратить ее дальнейшее развитие. В данной научной работе реализован принцип поиска ассоциативных правил на аналитической платформе Deductor Studio Academic [2].

Заранее подготовленную базу данных мы импортируем в аналитическую платформу Deductor (рис. 1). Для создания медицинской экспертной системы нам понадобятся два типа данных – транзакция и ее элементы[3]. Транзакцией для нашей системы будет наименование болезни, а ее элементами – симптомы данной болезни.

Основными характеристиками ассоциативных правил являются поддержка и достоверность [1]. В ходе проведения нескольких экспериментов оказалось, что именно при значениях поддержки от 20 до 60, и достоверности от 40 до 90 формируется требуемый набор правил.

Для просмотра полученных результатов предлагается выбрать визуализаторы из списка; мы выберем такие: «Популярные наборы», «Правила», «Дерево правил», «Что-если».

Для понимания рассмотрим подробнее визуализатор «Что-если». Он удобен, если нам необходимо ответить на вопрос, какие следствия могут получиться из данного условия. Например, выбрав условие «Головокружение», в левой части экрана получаем следствие «Слабость», для которого указан уровень поддержки (в абсолютном и процентном выражении) и уровень  достоверности (рис. 2).

Рассмотренный пример поиска ассоциативных правил является иллюстрацией задачи анализа болезней и их симптомов. В результате ее решения определяются часто встречающиеся наборы симптомов, а также можно с некоторой достоверностью определить какие еще симптомы, помимо данного, больной может почувствовать в скором времени. Следовательно, это поможет своевременно поставить диагноз. Найденные правила могут быть использованы для решения различных задач, в частности для создания медицинских экспертных систем.

Рис. 1. Исходная база данных

Рис. 2. Визуализатор «Что-если»

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1.       ИНТУИТ/ Data mining// Методы поиска ассоциативных правил. – Режим доступа: http://www.intuit.ru/studies/courses/6/6/lecture/186?page=1. – Загл. с экрана

2.      Basegroup/ Deductor. – Режим доступа:  http://www.basegroup.ru/deductor. – Загл. с экрана

3.      Basegroup/ Введение в анализ ассоциативных правил. – Режим доступа: http://www.basegroup.ru/library/analysis/association_rules/intro. – Загл. с экрана