Selezione della tecnica giusta per prevedere la malattia dai sintomi


9

Sto cercando di trovare l'algoritmo giusto per un sistema in cui l'utente presenta alcuni sintomi e il sistema deve prevedere o determinare la probabilità che alcuni sintomi selezionati siano associati a quelli esistenti nel sistema. Quindi, dopo averli associati, il risultato o l'output dovrebbe essere una malattia specifica per i sintomi.

Il sistema è composto da una serie di malattie con ciascuna assegnata a sintomi specifici, che esistono anche nel sistema.

Supponiamo che l'utente abbia inserito il seguente input:

A, B, C, and D

La prima cosa che il sistema dovrebbe fare è controllare e associare ogni sintomo (in questo caso rappresentato da lettere alfabetiche) individualmente contro una tabella di dati dei sintomi che già esistono. E nei casi in cui l'input non esiste, il sistema dovrebbe segnalare o inviare feedback al riguardo.

Inoltre, supponiamo che A and Bfosse nella tabella dei dati, quindi siamo sicuri al 100% che siano validi o esistenti e che il sistema sia in grado di distribuire la malattia in base all'input. Quindi diciamo che l'input ora è C and Ddove Cnon esiste nella tabella dei dati, ma esiste una possibilità che Desiste.

Non diamo Dun punteggio del 100%, ma forse qualcosa di più basso (diciamo il 90%). Quindi Csemplicemente non esiste affatto nella tabella dei dati. Quindi, Cottiene un punteggio dello 0%.

Pertanto, il sistema dovrebbe avere un qualche tipo di associazione o tecniche o regole di previsione per produrre il risultato giudicando l'input dell'utente.

Riepilogo della generazione dell'output:

If A and B were entered and exist, then output = 100%
If D was entered and existed but C was not, then output = 90%
If all entered don't exist, then output = 0%

Quali tecniche verrebbero utilizzate per produrre questo sistema?

Risposte:


9

Penso che stai arrivando al tuo problema leggermente sbagliato ... quello di cui stai essenzialmente parlando è una rete di credenze.

Potresti voler esaminare le tecniche di apprendimento bayesiano esistenti per aggirare il problema, ma le reti di credenze comunemente usano lo scenario esatto di cui stai parlando; usando una serie di affermazioni note (o di fatti incerti) per produrre alcune probabilità dedotte di un determinato output.

Ancora di più, spesso lo esprimono attraverso esempi basati su sintomi di malattia in tutorial! Prova qui .

Il mio punto è che sarebbe meglio usare una rete di credenze poiché le basi teoriche sono già tutte lì per te, invece di una ANN.


1
Se vuoi implementare una rete bayesiana da zero, dovrai capire la matematica grezza che li guida. Ci sono un paio di suite là fuori per gestire reti bayesiane senza dover capire tutti i (un po 'di confusione a volte) matematica, come Netica ( norsys.com/netica.html )
Tim Atkinson
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.