การเลือกเทคนิคที่เหมาะสมในการทำนายโรคจากอาการ


9

ฉันกำลังพยายามหาอัลกอริธึมที่เหมาะสมสำหรับระบบที่ผู้ใช้ป้อนอาการสองสามอย่างและระบบต้องคาดเดาหรือกำหนดโอกาสที่อาการบางอย่างที่เลือกจะสัมพันธ์กับที่มีอยู่ในระบบ จากนั้นหลังจากเชื่อมโยงพวกเขาผลลัพธ์หรือผลลัพธ์ควรเป็นโรคเฉพาะสำหรับอาการ

ระบบประกอบด้วยชุดของโรคที่ได้รับมอบหมายให้แต่ละอาการเฉพาะซึ่งยังมีอยู่ในระบบ

สมมติว่าผู้ใช้ป้อนอินพุตต่อไปนี้:

A, B, C, and D

สิ่งแรกที่ระบบควรทำคือตรวจสอบและเชื่อมโยงอาการแต่ละอย่าง (ในกรณีนี้แสดงด้วยตัวอักษรตามตัวอักษร) ทีละตัวกับตารางข้อมูลของอาการที่มีอยู่แล้ว และในกรณีที่ไม่มีข้อมูลเข้าระบบควรรายงานหรือส่งข้อเสนอแนะเกี่ยวกับข้อมูลนั้น

และสมมุติว่ามันA and Bอยู่ในตารางข้อมูลเรามั่นใจ 100% ว่ามันถูกต้องหรือมีอยู่จริงและระบบสามารถให้โรคตามอินพุตได้ แล้วขอบอกว่าการป้อนข้อมูลที่ตอนนี้เป็นC and Dที่Cไม่อยู่ในข้อมูลตาราง แต่มีความเป็นไปได้ที่Dมีอยู่

เราไม่ให้Dคะแนน 100% แต่อาจจะต่ำกว่านี้ (สมมุติว่า 90%) จากนั้นCก็ไม่มีอยู่ในตารางข้อมูล ดังนั้นCได้รับคะแนน 0%

ดังนั้นระบบควรมีการเชื่อมโยงและเทคนิคการทำนายหรือกฎบางอย่างเพื่อส่งออกผลลัพธ์โดยการตัดสินอินพุตของผู้ใช้

สรุปการสร้างผลลัพธ์:

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%

เทคนิคใดที่จะใช้ในการผลิตระบบนี้

คำตอบ:


9

ฉันคิดว่าคุณกำลังมาที่ปัญหาของคุณผิดเล็กน้อย ... สิ่งที่คุณกำลังพูดถึงคือเครือข่ายความเชื่อ

คุณอาจต้องการดูเทคนิคการเรียนรู้แบบเบย์ที่มีอยู่เพื่อทำความเข้าใจกับสิ่งนี้ แต่เครือข่ายความเชื่อมักใช้สถานการณ์ที่แน่นอนที่คุณกำลังพูดถึง ใช้ชุดคำสั่งที่ทราบ (หรือข้อเท็จจริงที่ไม่แน่นอน) เพื่อสร้างความน่าจะเป็นแบบอนุมานของเอาต์พุตเฉพาะ

ยิ่งไปกว่านั้นพวกเขามักแสดงสิ่งนี้ผ่านตัวอย่างที่เป็นโรคในบทเรียน! ลองที่นี่

ประเด็นของฉันคือการใช้เครือข่ายความเชื่อจะดีกว่าเพราะรากฐานของทฤษฎีมีอยู่แล้วสำหรับคุณแทนที่จะเป็น ANN


1
หากคุณต้องการใช้เครือข่ายแบบเบย์ตั้งแต่เริ่มต้นคุณต้องเข้าใจคณิตศาสตร์ดิบที่ผลักดันพวกเขา มีห้องสวีทสองสามห้องที่เปิดให้บริการเครือข่ายแบบเบย์โดยไม่ต้องเข้าใจคณิตศาสตร์ทั้งหมด (ค่อนข้างสับสนในบางครั้ง) เช่น Netica ( norsys.com/netica.html )
Tim Atkinson
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.