Selecionando a técnica correta para prever a doença a partir dos sintomas

9

Estou tentando criar o algoritmo certo para um sistema em que o usuário insere alguns sintomas e o sistema precisa prever ou determinar a probabilidade de que alguns sintomas selecionados sejam associados aos existentes no sistema. Depois de associá-los, o resultado ou a saída deve ser uma doença específica para os sintomas.

O sistema é composto por uma série de doenças, cada uma atribuída a sintomas específicos, que também existem no sistema.

Vamos supor que o usuário tenha inserido a seguinte entrada:

A, B, C, and D

A primeira coisa que o sistema deve fazer é verificar e associar cada sintoma (neste caso, representado por letras alfabéticas) individualmente a uma tabela de dados de sintomas que já existe. E nos casos em que a entrada não existe, o sistema deve relatar ou enviar feedback sobre ela.

E também, digamos que A and Bestava na tabela de dados, por isso temos 100% de certeza de que são válidos ou existem e que o sistema é capaz de transmitir a doença com base nos dados. Então vamos dizer que a entrada agora é C and Donde Cnão existe na tabela de dados, mas existe uma possibilidade D.

Não atribuímos Duma pontuação de 100%, mas talvez algo mais baixo (digamos 90%). Então Csimplesmente não existe na tabela de dados. Então, Cobtém uma pontuação de 0%.

Portanto, o sistema deve ter algum tipo de técnicas ou regras de associação e previsão para gerar o resultado, julgando a entrada do usuário.

Resumo da geração da saída:

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%

Quais técnicas seriam usadas para produzir esse sistema?

quintumnia
fonte

Respostas:

9

Eu acho que você está enfrentando um problema um pouco errado ... o que você está falando essencialmente é uma rede de crenças.

Você pode examinar as técnicas existentes de Bayesian Learning para entender isso, mas as redes de crenças geralmente usam o cenário exato de que você está falando; usando um conjunto de declarações conhecidas (ou fatos incertos) para produzir alguma probabilidade inferida de uma saída específica.

Ainda mais, eles costumam expressar isso através de exemplos baseados em sintomas de doenças em tutoriais! Tente aqui .

Meu argumento é que seria melhor usar uma rede de crenças, pois a base da teoria já está lá para você, em vez de uma RNA.

Tim Atkinson
fonte
11
Se você deseja implementar uma rede bayesiana do zero, terá que entender a matemática básica que os impulsiona. Há um par de suites lá fora para executar redes Bayesian sobre sem ter que compreender toda a (um pouco confuso às vezes) matemática, tais como Netica ( norsys.com/netica.html )
Tim Atkinson