Tài liệu báo cáo về ứng dụng phân cụm dữ liệu trong phân tích công thức dược phẩm, giới thiệu lý thuyết và ứng dụng của thuật toán k-means và logic mờ. Nghiên cứu sử dụng dữ liệu thực nghiệm để kiểm tra biến độc lập và phụ thuộc liên quan đến công thức dược phẩm. Kết luận cho thấy phương pháp này hiệu quả và phù hợp với ngành dược, đồng thời mở ra hướng phát triển mới trong nghiên cứu.

1. Báo cáo
viên
Đề tài
PHÂN CỤM DỮ LIỆU ỨNG DỤNG
TRONG PHÂN TÍCH DỮ LIỆU
CÔNG THỨC DƯỢC PHẨM
Hà Siu
1
HỘI NGHỊ KHOA HỌC – KỸ THUẬT LẦN THỨ 34

2. 1. Giới thiệu đề tài
2
NỘI DUNG CHÍNH
2. Cơ sở lý thuyết
3. Chương trình minh họa
4. Kết quả thực nghiệm
5. Kết luận và hướng phát triển

3. 1.
3
Giới thiệu đề tài

4. 4
Công thức dược phẩm
Công
thức
dược
phẩm
Thành
phần
Liều
lượng
Tỉ
trọng
Kinh
nghiệm
Mới

5. 5
Nhiệm vụ nhà bào chế
Kiểm tra lại
Phân tích lại
Mâu thuẫn tiềm tàng

6. 6
Các phương pháp nghiên cứu
Mâu thuẫn tiềm tàng
Phương
pháp
thống kê
cổ điển
-Tuyến tính
- Chậm
- Đơn giản
- Hiệu quả
tốt (95%)
Các kỹ
thuật khai
phá dữ
liệu
- Phi tuyến
- Nhanh
- Phức tạp
- Hiệu quả
tốt (98%)
vs

7. 7
Cơ sở lý thuyết2.

8. 8
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).

9. 9
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.

10. 10
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.

11. 11
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 = {C1, C2,…, Ck} sao cho mỗi điểm dữ liệu xi 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 vi là mã cụm của xi. 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.

12. 12
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).

13. 13
Thuật toán k-means
Mâu thuẫn tiềm tàng
Hình 1: Lưu đồ thuật toán k-means

14. 14
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.

15. 15
Logic mờ
Mâu thuẫn tiềm tàng
(a) (b)
Hình 2: Minh họa khái niệm logic cổ điển (a) và logic mờ (b)

16. 16
Chương trình minh họa3.

17. 17
Cấu hình
• Intel® Core™ i3-3227U CPU @ 1.90 GHz 1.90
GHz, 4.00 GB RAM
• Windows 7 32-bit
• C# 2013
• 2 module chính:
• Dữ liệu
• Phân cụm dữ liệu với thuật toán k-means

18. 18
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

19. 19
Các biến số
Biến độc lập
x1 tỉ lệ HPMC
x2 tỉ lệ CMCNa
x3 tỉ lệ propranolol HCL
Biến phụ thuộc
y1 % hoạt chất hòa tan sau 1 giờ
y2 % hoạt chất hòa tan sau 6 giờ
y3 % hoạt chất hòa tan sau 12 giờ
Bảng 1: Các biến số của viên nén matrix

20. 20
Dữ liệu cụ thể
x1 x2 x3 y1 y2 y3
1 0,34 0 0,66 0,152 0,683 0,992
2 0,2 0,46 0,34 0,104 0,545 0,902
3 0,2 0,14 0,66 0,112 0,612 0,986
4 0,66 0 0,34 0,122 0,448 0,712
5 0,446 0 0,553 0,148 0,585 0,866
6 0,506 0,153 0,34 0,074 0,388 0,68
7 0,2 0,353 0,446 0,098 0,576 0,925
8 0,35 0,15 0,5 0,084 0,512 0,856
9 0,35 0,15 0,5 0,087 0,518 0,862
10 0,35 0,15 0,5 0,084 0,507 0,851
11 0,35 0,15 0,5 0,089 0,525 0,87
12 0,353 0,306 0,34 0,052 0,352 0,672
13 0,553 0 0,446 0,143 0,518 0,792
Bảng 2: Dữ liệu thực nghiệm của viên nén matrix

21. 21
Giao diện chương trình – Module 1: Dữ liệu
Hình 3: Giao diện module 1 – Dữ liệu

22. 22
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

23. 23
Kết quả thực nghiệm4.

24. 24
Thống kê
x1 x2 x3 y1 y2 y3
Giá trị
nhỏ nhất
0,2 0 0,34 0,052 0,352 0,672
Giá trị lớn
nhất
0,66 0,46 0,66 0,152 0,683 0,992
Trung
bình
0,373692 0,154769 0,471154 0,103769 0,520692 0,843538
Độ chính
xác
0,0177825 0,0193429 0,011648 0,000854024 0,00723929 0,0100212
Độ lệch
chuẩn
0,133351 0,139079 0,107926 0,0292237 0,085084 0,100106

25. 25
Phân cụm dữ liệu bằng Weka
Thuộc tính Dữ liệu ban đầu Cụm 1 Cụm 2 Cụm 3
x1 0.3737 0.2 0.393 0.3872
x2 0.1548 0.14 0 0.1872
x3 0.4712 0.66 0.6065 0.4252
y1 0.1038 0.112 0.15 0.0937
y2 0.5207 0.612 0.634 0.4889
y3 0.8435 0.986 0.929 0.8122
Tổng số thực thể 13 1 2 10
Tỉ lệ 100% 8% 15% 77%

26. •Thực tế không cần thiết phân tích
mối quan hệ nhân-quả giữa các
biến phụ thuộc yi với nhau
•Không phù hợp
26
Nhận xét phân cụm dữ liệu bằng Weka

27. 27
Phân cụm dữ liệu biến phụ thuộc y1 bằng phần mềm
Cụm trọng tâm Record x1 x2 x3 y1 y2 y3
Cụm 1
1 0,34 0 0,66 0,152 0,683 0,992
5 0,446 0 0,553 0,148 0,585 0,866
13 0,553 0 0,446 0,143 0,518 0,792
Cụm 2
2 0,2 0,46 0,34 0,104 0,545 0,902
3 0,2 0,14 0,66 0,112 0,612 0,986
4 0,66 0 0,34 0,122 0,448 0,712
7 0,2 0,353 0,446 0,098 0,576 0,925
Cụm 3
6 0,506 0,153 0,34 0,074 0,388 0,68
8 0,35 0,15 0,5 0,084 0,512 0,856
9 0,35 0,15 0,5 0,087 0,518 0,862
10 0,35 0,15 0,5 0,084 0,507 0,851
11 0,35 0,15 0,5 0,089 0,525 0,87
12 0,353 0,306 0,34 0,052 0,352 0,672

28. 28
Cụm trọng tâm
Record x1 x2 x3 y1 y2 y3
Cụm 1 1 0,34 0 0,66 0,152 0,683 0,992
Cụm 2
2 0,2 0,46 0,34 0,104 0,545 0,902
3 0,2 0,14 0,66 0,112 0,612 0,986
5 0,446 0 0,553 0,148 0,585 0,866
7 0,2 0,353 0,446 0,098 0,576 0,925
Cụm 3
4 0,66 0 0,34 0,122 0,448 0,712
6 0,506 0,153 0,34 0,074 0,388 0,68
8 0,35 0,15 0,5 0,084 0,512 0,856
9 0,35 0,15 0,5 0,087 0,518 0,862
10 0,35 0,15 0,5 0,084 0,507 0,851
11 0,35 0,15 0,5 0,089 0,525 0,87
12 0,353 0,306 0,34 0,052 0,352 0,672
13 0,553 0 0,446 0,143 0,518 0,792
Phân cụm dữ liệu biến phụ thuộc y2 bằng phần mềm

29. 29
Cụm trọng tâm
Record x1 x2 x3 y1 y2 y3
Cụm 1
1 0,34 0 0,66 0,152 0,683 0,992
2 0,2 0,46 0,34 0,104 0,545 0,902
3 0,2 0,14 0,66 0,112 0,612 0,986
7 0,2 0,353 0,446 0,098 0,576 0,925
Cụm 2
4 0,66 0 0,34 0,122 0,448 0,712
5 0,446 0 0,553 0,148 0,585 0,866
8 0,35 0,15 0,5 0,084 0,512 0,856
9 0,35 0,15 0,5 0,087 0,518 0,862
10 0,35 0,15 0,5 0,084 0,507 0,851
12 0,353 0,306 0,34 0,052 0,352 0,672
13 0,553 0 0,446 0,143 0,518 0,792
Cụm 3
6 0,506 0,153 0,34 0,074 0,388 0,68
11 0,35 0,15 0,5 0,089 0,525 0,87
Phân cụm dữ liệu biến phụ thuộc y3 bằng phần mềm

30. •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.
30
Phân cụm dữ liệu bằng phần mềm

31. 31
Kết luận và hướng phát triển5.

32. • Loại trừ được trường hợp học quá mức
và dự đoán sai
• Phù hợp với yêu cầu ngành Dược
32
Nhận xét

33. • 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)
33
Hướng phát triển của đề tài

34. 34
XIN CHÂN THÀNH CẢM ƠN