Choisir la bonne technique pour prédire la maladie à partir des symptômes

9

J'essaie de trouver le bon algorithme pour un système dans lequel l'utilisateur entre quelques symptômes et le système doit prédire ou déterminer la probabilité que quelques symptômes sélectionnés soient associés à ceux existant dans le système. Ensuite, après les avoir associés, le résultat ou la sortie devrait être une maladie spécifique des symptômes.

Le système est composé d'une série de maladies affectées chacune à des symptômes spécifiques, qui existent également dans le système.

Supposons que l'utilisateur ait entré l'entrée suivante:

A, B, C, and D

La première chose que le système devrait faire est de vérifier et d'associer chaque symptôme (dans ce cas représenté par des lettres alphabétiques) individuellement à un tableau de données des symptômes qui existent déjà. Et dans les cas où l'entrée n'existe pas, le système doit signaler ou envoyer des commentaires à ce sujet.

Et aussi, disons que A and Bc'était dans le tableau de données, donc nous sommes sûrs à 100% qu'ils sont valides ou existent et que le système est capable de transmettre la maladie en fonction de l'entrée. Disons alors que l'entrée est maintenant là C and DCn'existe pas dans la table de données, mais il existe une possibilité qui Dexiste.

Nous ne donnons pas Dun score de 100%, mais peut-être quelque chose de plus bas (disons 90%). Alors Cn'existe tout simplement pas du tout dans la table de données. Ainsi, Cobtient un score de 0%.

Par conséquent, le système devrait avoir une sorte de techniques ou de règles d'association et de prédiction pour produire le résultat en jugeant l'entrée de l'utilisateur.

Résumé de la génération de la sortie:

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%

Quelles techniques seraient utilisées pour produire ce système?

quintumnia
la source

Réponses:

9

Je pense que vous arrivez à votre problème un peu mal ... ce dont vous parlez essentiellement est un réseau de croyances.

Vous voudrez peut-être vous pencher sur les techniques d'apprentissage bayésien existantes pour vous en sortir, mais les réseaux de croyances utilisent généralement le scénario exact dont vous parlez; utiliser un ensemble d'énoncés connus (ou de faits incertains) pour produire une certaine probabilité inférée d'une sortie particulière.

Encore plus, ils l'expriment souvent à travers des exemples basés sur les symptômes de la maladie dans des tutoriels! Essayez ici .

Mon point étant qu'il serait préférable d'utiliser un réseau de croyances car les bases théoriques sont déjà là pour vous, au lieu d'un ANN.

Tim Atkinson
la source
1
Si vous voulez implémenter un réseau bayésien à partir de zéro, vous devrez comprendre les mathématiques brutes qui les animent. Il y a quelques suites sur lesquelles exécuter des réseaux bayésiens sans avoir à comprendre tous les mathématiques (parfois déroutantes), comme Netica ( norsys.com/netica.html )
Tim Atkinson