Phân cụm dữ liệu ứng dụng trong phân tích dữ liệu công thức dược phẩm

Phân cụm dữ liệuMâu thuẫn tiềm tàng • Phân cụm dữ liệu là kỹ thuật rất quan trọng trong khai phá dữ liệu • Có rất nhiều định nghĩa khác nhau về kỹ thuật này • Về bản chất có thể hiểu phâ

Báo cáo viên

1 Giới thiệu đề tài

1. Giới thiệu đề tài

Công thức dược phẩm

Công thức dược phẩm

Thành phần

Liều lượng

Tỉ trọng

Kinh nghiệm

Mới

Các phương pháp nghiên cứu

Mâu thuẫn tiềm tàng Phương pháp

- Phi tuyến

- Nhanh

- Phức tạp

- Hiệu quả tốt (98%) vs

Cơ sở lý thuyết

2.

Phân cụm dữ liệu

Mâu thuẫn tiềm tàng

• Phân cụm dữ liệu là kỹ thuật rất quan trọng trong khai phá dữ liệu

• Có rất nhiều định nghĩa khác nhau về kỹ thuật này

• Về bản chất có thể hiểu phân cụm là các quy trình tìm cách nhóm các đối tượng đã cho vào các cụm (clusters), sao cho các đối tượng trong cùng một cụm tương tự nhau và các đối tượng khác cụm thì không tương tự nhau

• Mục đích của phân cụm là tìm ra bản chất bên trong các nhóm của dữ liệu

• Tuy nhiên, không có tiêu chí nào được xem là tốt nhất để đánh giá hiệu quả của phân tích phân cụm, điều này phụ thuộc vào mục đích của phân cụm như: giảm dữ liệu (data reduction), “cụm tự nhiên” (“natural clusters”), cụm “có ích” (“useful” clusters), phát hiện phần tử ngoại lai (outlier detection).

Công thức dược phẩm

Mâu thuẫn tiềm tàng

• Dược phẩm hay thuốc là những chất dưới dạng đơn chất hoặc hỗn hợp có nguồn gốc rõ ràng, được dùng cho người hoặc sinh vật để chẩn đoán, phòng và chữa bệnh, hạn chế hoặc thay đổi điều kiện bệnh lý hay sinh lý.

• Thiết lập công thức dược phẩm là thiết lập các dạng công thức có liều lượng khác nhau Thiết lập công thức dược phẩm có thể được định nghĩa là một tập hợp các hoạt động với mục tiêu tạo ra thuốc có thông

số kỹ thuật nhất định và đảm bảo việc duy trì các đặc điểm hiệu quả và

an toàn của thuốc Mục tiêu chính của thiết lập công thức dược phẩm là làm cho thuốc có thể vận chuyển dễ dàng trong cơ thể và tương thích với bệnh nhân Hiện nay mục tiêu mới được quan tâm trong thiết lập công thức dược phẩm là sinh khả dụng của thuốc.

Thuật toán k-means

Mâu thuẫn tiềm tàng

• K-means là thuật toán rất quan trọng và được sử dụng phổ

biến trong kỹ thuật phân cụm dữ liệu

• Ý tưởng chính của thuật toán k-means là tìm cách phân

nhóm các đối tượng (objects) đã cho vào k cụm (k là số các cụm được xác định trước, k là số nguyên dương) sao cho tổng bình phương khoảng cách giữa các đối tượng đến tâm nhóm (centroid) là nhỏ nhất.

• Thuật toán k-means áp dụng cho các đối tượng được biểu

diễn bởi các điểm trong không gian vectơ d chiều U = {xi | i =

1, … , N}, với xi ∈ ℜ biểu thị đối tượng (hay điểm dữ liệu) thứ

i.

Thuật toán k-means

Mâu thuẫn tiềm tàng

• Thuật toán k-means gom cụm toàn bộ các điểm dữ liệu trong U

thành k cụm C = {C 1 , C 2 ,…, C k } sao cho mỗi điểm dữ liệu x i nằm trong một cụm duy nhất Để biết điểm dữ liệu thuộc cụm nào người ta gán cho nó một mã cụm Các điểm có cùng mã cụm thì ở cùng cụm, trong khi các điểm khác mã cụm thì ở trong các cụm khác nhau Một cụm có thể biểu thị bằng vectơ liên thuộc cụm v có độ dài N, với v i là mã cụm của x i Giá trị k là đầu vào của thuật toán Giá trị k dựa trên tiêu chuẩn tri thức trước đó.

• Trong các thuật toán gom cụm, các điểm được nhóm theo khái

niệm “độ gần” hay “độ tương tự” Với k-means, phép đo mặc định cho “độ tương tự” là khoảng cách Euclide.

Thuật toán k-means

Mâu thuẫn tiềm tàng

• Thuật toán k-means thực hiện qua các bước chính sau:

1 Chọn ngẫu nhiên k tâm (centroid) cho k cụm (cluster) Mỗi cụm được đại diện bằng các tâm của cụm.

2 Tính khoảng cách giữa các đối tượng (objects) đến k tâm (thường dùng khoảng cách Euclide).

3 Nhóm các đối tượng vào nhóm gần nhất.

4 Xác định lại tâm mới cho các nhóm.

5 Thực hiện lại bước 2 cho đến khi không có sự thay đổi nhóm nào của các đối tượng.

• Thuật toán k-means được phát triển bởi nhiều nhà nghiên cứu

khác nhau, điển hình là Lloyd (1957), Forgey (1965), Friedman (1967), Rubin (1967), McQueen (1967).

Thuật toán k-means

Mâu thuẫn tiềm tàng

Hình 1: Lưu đồ thuật toán k-means

Logic mờ

Mâu thuẫn tiềm tàng

• Trong logic cổ điển, hàm thành viên chỉ có một

trong hai giá trị là 1 (Đúng) hay 0 (Sai) Điều này không phản ánh đầy đủ thế giới khách quan, vì giữa hai màu “trắng” và “đen” còn có màu “xám”.

• Trong logic mờ, hàm thành viên có thể cho các

giá trị ở giữa 0 và 1 Hàm thành viên càng tiến đến

1 thì giá trị của nó càng gần Đúng Nhờ đó, logic

mờ có tính hiện thực hơn logic cổ điển.

Chương trình minh họa

3.

Bộ dữ liệu

• Công thức viên nén matrix

• Công trình của Bodea và Leucuta, năm 1997

• 13 công thức thực nghiệm

• 3 biến độc lập x1, x2 và x3

• 3 biến phụ thuộc y1, y2 và y3

Bảng 1: Các biến số của viên nén matrix

Giao diện chương trình – Module 1: Dữ liệu

Hình 3: Giao diện module 1 – Dữ liệu

Giao diện chương trình – Module 2: Phân cụm dữ liệu

Hình 4: Giao diện module 2 – Phân cụm dữ liệu với thuật toán k-means

Kết quả thực nghiệm

4.

Phân cụm dữ liệu bằng Weka

• Thực tế không cần thiết phân tích mối quan hệ nhân-quả giữa các biến phụ thuộc yi với nhau

• Không phù hợp

Nhận xét phân cụm dữ liệu bằng Weka

Phân cụm dữ liệu biến phụ thuộc y1 bằng phần mềm

• Phần mềm ứng dụng tiến hành phân cụm dữ liệu theo từng biến phụ thuộc y, điều này là cần thiết và phù hợp đối với bài toán trong ngành Dược.

Phân cụm dữ liệu bằng phần mềm

Kết luận và hướng phát triển

5.

• Loại trừ được trường hợp học quá mức

và dự đoán sai

• Phù hợp với yêu cầu ngành Dược

Nhận xét

• Ứng dụng thực tế tại Bộ môn Bào chế

• Ứng dụng thêm nguồn dữ liệu từ thực phẩm

• Mở rộng đề tài bằng nhiều kỹ thuật khai phá dữ liệu

khác như rút luật kết hợp và cây quyết định (đây cũng là đề tài mà tác giả đã đăng ký nghiên cứu và báo cáo trong Hội nghị Khoa học – Kỹ thuật lần thứ

35, năm 2018)

Hướng phát triển của đề tài

XIN CHÂN THÀNH CẢM ƠN