貝葉斯分類器在中醫證候中的運用*

易 霞，李 晟，秦莉花，陳曉陽，王小云

(1.湖南中醫藥大學護理學院，湖南 長沙410208;2.湖南中醫藥大學藥學院，湖南長沙410208;3.廣州中醫藥大學第二臨床醫學院，廣東廣州510120)

運用現代科學技術對中醫理論和實踐進行科學闡釋是促進中醫國際化、現代化的重要手段之一，而數字中醫藥是實現中醫藥技術飛躍發展的必由之路。數字中醫藥是利用數字化技術手段進行中醫藥數據、信息和知識的獲取、存儲、處理，形成一個將中醫藥研究、臨床實踐集于一體的綜合中醫院數字系統。將數據挖掘技術引入中醫藥臨床研究，建立基于海量數據、以數據為導向的臨床研究工作模式，解決以個體化診療為特色的中醫臨床研究的技術瓶頸問題，是中醫藥現代化的一大創舉。

數據挖掘是從大量的、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、人們事先不知道但又有潛在的有用信息和知識的過程。其中貝葉斯分類是一種典型的基于統計分類方法，貝葉斯定理是貝葉斯學習方法的理論基礎，它將事件的先驗概率與后驗概率巧妙地聯系起來，利用先驗信息和樣本數據信息確定事件的后驗概率，可以預測事件發生的可能性。常用的貝葉斯分類方法為樸素貝葉斯和貝葉斯網絡。

1 樸素貝葉斯

樸素貝葉斯方法是貝葉斯分類器中最簡單的一種。它假定一個屬性對給定類的影響獨立其他屬性，這一假定稱作類條件獨立，即假定所有的屬性變量均是相互類條件獨立的［1］。相對于其他分類方法，樸素貝葉斯分類算法的最大特點是不需要搜索，只需簡單地計算訓練例中各個屬性值發生的頻率數，就可以估計出每個屬性的概率估計值，因而樸素貝葉斯分類算法的效率特別高。

樸素貝葉斯分類算法用于兩類分類或者多類分類問題，可用于離散型資料。采用樸素貝葉斯分類算法必須滿足以下2個條件:①要決策分類的類別數是一定的;②各類別總體的概率分布是已知的。利用信息增益算法進行辨證屬性選擇，并分別采用樸素貝葉斯和強屬性集貝葉斯網絡算法建立中醫冠心病臨床證型診斷模型。試驗結果表明:該分類算法在中醫冠心病臨床診斷模型中具有良好的分類性能，有助于提高臨床辨證能力及發現新的辨證要素［1］。

2 貝葉斯網絡

貝葉斯網絡(Bayesian Network)又稱為信念網絡、概率網絡或因果網絡，是根據變量之間的依賴關系，使用圖論方法表示變量集合的聯合概率分布的圖形模型。該模型是一種表示概率關系的有向無環圖，表達多個變量的分布函數如何分解為單個變量的條件分布函數的乘積。貝葉斯網絡由兩部分組成:有向無環的網絡圖形和條件概率分布，主要由節點和弧來組成，其中每個節點代表一個隨機變量，并通過給定節點的條件概率與其父節點相關，而每條弧代表一個概率依賴。在貝葉斯網絡中，定性信息主要通過網絡的拓撲結構表達;而定量信息主要通過節點的聯合概率密度表示。貝葉斯網絡預測依據就是取后驗概率最大的類別。貝葉斯網絡以直觀的圖型方法描述數據間的相互關系，用概率測度的權重表達多個變量間的時序關系、相關關系或因果關系等多種依賴關系。它可把概率推理和網絡結構有效地結合起來，概率推理可有效的利用統計知識，而網絡結構可以把專家的知識表達出來。因貝葉斯網絡提供了進行知識表達、解釋、推理和預測等一個連貫的框架，已成功運用于數據挖掘、醫療診斷等人工智能領域，成為此領域的研究熱點之一。

采用貝葉斯網絡算法對證候與證素間的相關關系、證素組合形成證名的規律進行探討，結果表明:與中醫專家經驗有很高的吻合性［2］。通過將中醫體系中的916個證候、51項證素及其構成的1 700條證名構成中醫辨證貝葉斯網絡的節點集，初步建立中醫辨證數據庫。并通過網絡學習，形成中醫辨證貝葉斯網絡結構及概率表。利用建立的貝葉斯網絡中醫辨證系統進行數據計量分析、推理驗證證候—證素—證名間的關系，其結果與中醫專家經驗有很高的吻合性。因此，貝葉斯網絡是對中醫辨證進行信息挖掘處理的一種較好方法，可運用于中醫人工智能辨證系統的建立［3］。

3 貝葉斯的評價方法

對各種分類方法的評估可根據以下幾條標準進行:①預測準確率，指模型能夠正確預測未知數據類別的能力;②速度，指構造和使用模型時的計算效率;③魯棒性，指在數據帶有噪聲或有數據遺失的情況下，模型仍能進行正確預測的能力;④可擴展性，指對處理大量數據并構造相應有效模型的能力;⑤易理解性，指所獲模型提供的可理解程度［4］;⑥K折交叉驗證，為避免出現過擬合問題，可采用K折交叉驗證的方法測試貝葉斯的分類正確率，評價模型的精確率。K折交叉驗證技術把數據集隨機分成大致相等的K份，取其中1份作為測試集，剩下的K-1份作訓練集，循環K次，取K次測試的平均正確率作為試驗正確率，這種技術能有效的降低手動選取數據集和測試集的偏置。常用的有5折交叉驗證和10折交叉驗證。

4 貝葉斯的特點

①樸素貝葉斯分類算法可以與決策樹和神經網絡分類算法相媲美。該算法能運用到大型數據庫中，且方法簡單、分類準確率高、速度快。由于貝葉斯定理假設一個屬性值對給定類的影響獨立于其他屬性的值，而此假設在實際情況中經常是不成立的，因此，其分類準確率可能會下降。②樸素貝葉斯算法成立的前提是各屬性之間互相獨立，簡化計算。當假定成立時，與其他分類算法相比，樸素貝葉斯分類是最精確的，否則可能較低。然而，其對屬性變量間的獨立性要求較強，但實際上變量間的相互依賴情況是較為常見的，故在實際中較難得到滿足。為解決這個問題，可使用貝葉斯信念網絡描述這種相互關聯的概率分布。該網絡能夠描述各屬性子集之間有條件的相互獨立，提供了一個圖形模型來描述其中的因果關系。貝葉斯分類在處理大規模數據庫時，表現出較高的分類準確性和運算性能。另外，樸素貝葉斯算法沒有直接的分類規則輸出。③中醫辨證是中醫專家系統的核心，運用貝葉斯網絡根據信息判定癥狀之間是否存在因果關系，然后利用貝葉斯網絡計算判定癥狀群的類別所屬，貝葉斯網絡的優點在于把各個癥狀看作彼此相互聯系的整體。貝葉斯網絡模型可用于復雜多因果關系的分析。在中醫證候研究中，運用此模型可以研究癥狀之間、癥狀與證素間復雜的因果關系，是對中醫辨證進行信息挖掘處理的一種較好方法。但仍然存在以下缺點:貝葉斯網絡是一種頻率算法，一些頻率低的癥狀，證素或者證名不能被納入計算，對癥狀等變量的描述只有“出現”“不出現”兩種狀態，不能反映變量的輕、中、重程度［3］。臨床上有的癥狀對某證素的判斷是起否定作用的，如脈沉細就能降低證素陰虛的可能性，而貝葉斯網絡計算出的局部概率分布參數則無正負之分，勢必對辨證的結論產生負面影響。且仍不能全面體現中醫辨證的思維能力［2－3］。

5 展望

中醫辨證具有極其復雜性、高度非線性，而貝葉斯網絡技術屬于思維科學、非線性科學，具有整體性、動態性、復雜性等特點，能將比較模糊、不易掌握的中醫辨證理論，用可視的圖形、清晰的語義、精細的數據進行描述，有助于對辨證的理解。

［1］孫亞男，寧士勇，魯明羽，等.貝葉斯分類算法在冠心病中醫臨床證型診斷中的應用［J］.計算機應用研究，2006，3(11):124 －166.

［2］黃碧群.中醫辨證的貝葉斯網絡運算［J］.中國中醫藥雜志，2006，51(8):237 －240.

［3］朱詠華，朱文鋒.基于貝葉斯網絡的中醫辨證系統［J］.湖南大學學報:自然科版，2006，33(8):123 －125.

［4］張海笑，徐小明.數據挖掘中分類方法的研究［J］.山西電子技術，2005，32(2):20 －21.