杨 巍，文小平，郭晶磊

(上海中医药大学基础医学院，上海 201203)

“方证量化模型”是一种基于中医方证对应理论结合机器学习对中医基本概念进行量化研究的方法。以往中医数据挖掘研究往往多集中于专药、专方、专法、专病或专人的临床运用领域[1]，而在中医基本概念领域的基础性研究较少，尤其缺乏量化研究的方法。本研究方法着眼于2个中医基本概念的比较，即其分别对应的不同方剂数据集之间的量化比较。

1 基本原理

“方证量化模型”的基本原理是基于方证对应理论将2个中医概念的比较转化为2个方剂集合的比较，再通过机器学习模型对2个方剂集合进行量化比较。

1.1 方证对应理论

方证对应也称方证相应,是指方剂的主治病证范畴及该方组方之理法与病人所表现出来的主要病症或病机相符合[2]，是中医临床体现“理法方药”一致性的基本原则。笔者认为，其在数据挖掘领域的本质是对于病、证、症、病因病机等中医概念与方剂组成关联数据集的研究。

通过方证对应，在给定样本总体范围内，可以将2个中医概念的比较问题转化为其所代表的2个方剂集合的比较。以消渴异名为例，其中“上消”和“消渴”2个中医概念的比较，可以转化为上消方剂集合和消渴方剂集合的比较V上消/V消渴。

1.2 量化模型

图1示,随机森林是机器学习中的一种高级分类技术，它由Breiman在2001年提出[3]，通过随机放回抽样[3]来削弱数据间的相关性，构建大量的规则树，进而通过简单投票判断类别，实现对学习样本集合规则的较优拟合。……