Auswahl der richtigen Technik zur Vorhersage von Krankheiten anhand von Symptomen


9

Ich versuche, den richtigen Algorithmus für ein System zu finden, bei dem der Benutzer einige Symptome eingibt und das System die Wahrscheinlichkeit vorhersagen oder bestimmen muss, dass einige ausgewählte Symptome mit den im System vorhandenen Symptomen verbunden sind. Nach der Zuordnung sollte das Ergebnis oder die Ausgabe eine spezifische Krankheit für die Symptome sein.

Das System besteht aus einer Reihe von Krankheiten, die jeweils bestimmten Symptomen zugeordnet sind, die auch im System vorhanden sind.

Angenommen, der Benutzer hat die folgende Eingabe eingegeben:

A, B, C, and D

Das System sollte zunächst jedes Symptom (in diesem Fall durch alphabetische Buchstaben dargestellt) einzeln überprüfen und mit einer Datentabelle der bereits vorhandenen Symptome verknüpfen. Und in Fällen, in denen die Eingabe nicht vorhanden ist, sollte das System dies melden oder Feedback senden.

Nehmen wir auch an, dass dies A and Bin der Datentabelle enthalten war, sodass wir zu 100% sicher sind, dass sie gültig sind oder existieren und das System die Krankheit basierend auf den Eingaben ausgeben kann. Nehmen wir dann an, dass die Eingabe jetzt dort ist, C and Dwo Csie nicht in der Datentabelle vorhanden ist, aber es besteht die Möglichkeit, dass sie Dvorhanden ist.

Wir geben Dkeine Punktzahl von 100%, aber vielleicht etwas niedrigeres (sagen wir 90%). Dann Cexistiert es überhaupt nicht in der Datentabelle. So Cerhält eine Punktzahl von 0%.

Daher sollte das System über irgendeine Art von Assoziations- und Vorhersagetechniken oder -regeln verfügen, um das Ergebnis durch Beurteilen der Benutzereingaben auszugeben.

Zusammenfassung der Generierung der Ausgabe:

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%

Welche Techniken würden verwendet, um dieses System herzustellen?

Antworten:


9

Ich denke, Sie kommen zu Ihrem Problem etwas falsch ... was Sie im Wesentlichen sprechen, ist ein Glaubensnetzwerk.

Möglicherweise möchten Sie sich mit den vorhandenen Bayes'schen Lerntechniken befassen, um sich ein Bild davon zu machen. Glaubensnetzwerke verwenden jedoch häufig genau das Szenario, über das Sie sprechen. Verwenden einer Reihe bekannter (oder unsicherer Fakten) Aussagen, um eine abgeleitete Wahrscheinlichkeit einer bestimmten Ausgabe zu erzeugen.

Darüber hinaus drücken sie dies häufig anhand von Beispielen aus, die auf Krankheitssymptomen basieren, in Tutorials! Versuchen Sie es hier .

Mein Punkt ist, dass es besser wäre, ein Glaubensnetzwerk zu verwenden, da die theoretischen Grundlagen bereits für Sie da sind, anstatt eines ANN.


1
Wenn Sie ein Bayes'sches Netzwerk von Grund auf neu implementieren möchten, müssen Sie die rohe Mathematik verstehen, die sie antreibt. Es gibt ein paar Suiten, in denen Bayes'sche Netzwerke betrieben werden können, ohne die (manchmal etwas verwirrende) Mathematik verstehen zu müssen, wie z. B. Netica ( norsys.com/netica.html )
Tim Atkinson,
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.