Memilih teknik yang tepat untuk memprediksi penyakit dari gejala


9

Saya mencoba untuk datang dengan algoritma yang tepat untuk sistem di mana pengguna memasukkan beberapa gejala dan sistem harus memprediksi atau menentukan kemungkinan bahwa beberapa gejala yang dipilih terkait dengan yang ada dalam sistem. Kemudian setelah mengaitkannya, hasil atau keluaran harus menjadi penyakit spesifik untuk gejalanya.

Sistem ini terdiri dari serangkaian penyakit dengan masing-masing ditugaskan untuk gejala spesifik, yang juga ada dalam sistem.

Mari kita asumsikan bahwa pengguna memasukkan input berikut:

A, B, C, and D

Hal pertama yang harus dilakukan sistem adalah memeriksa dan mengaitkan setiap gejala (dalam hal ini diwakili oleh huruf-huruf alfabet) secara individual terhadap tabel data gejala yang sudah ada. Dan dalam kasus di mana input tidak ada, sistem harus melaporkan atau mengirim umpan balik tentangnya.

Dan juga, katakanlah itu A and Bada di tabel-data, jadi kami 100% yakin bahwa itu valid atau ada dan sistem dapat memberikan penyakit berdasarkan input. Lalu katakanlah bahwa input sekarang adalah di C and Dmana Ctidak ada dalam tabel-data, tetapi ada kemungkinan yang Dada.

Kami tidak memberikan Dskor 100%, tetapi mungkin sesuatu yang lebih rendah (katakanlah 90%). Maka Ctidak ada sama sekali dalam tabel data. Jadi, Cmendapat skor 0%.

Oleh karena itu, sistem harus memiliki semacam asosiasi dan teknik prediksi atau aturan untuk menghasilkan hasilnya dengan menilai input pengguna.

Ringkasan menghasilkan 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%

Teknik apa yang akan digunakan untuk menghasilkan sistem ini?

Jawaban:


9

Saya pikir Anda datang pada masalah Anda sedikit salah ... yang pada dasarnya Anda bicarakan adalah jaringan kepercayaan.

Anda mungkin ingin melihat ke dalam teknik Bayesian Learning yang ada untuk mengatasinya, tetapi jaringan kepercayaan umumnya menggunakan skenario yang tepat yang Anda bicarakan; menggunakan seperangkat pernyataan yang diketahui (atau fakta tidak pasti) untuk menghasilkan beberapa kemungkinan yang disimpulkan dari keluaran tertentu.

Bahkan lebih, mereka sering mengungkapkan ini melalui contoh-contoh berdasarkan penyakit dalam tutorial! Coba di sini .

Maksud saya adalah bahwa akan lebih baik menggunakan jaringan kepercayaan karena landasan teori sudah ada untuk Anda, bukan ANN.


1
Jika Anda ingin menerapkan jaringan bayesian dari awal, Anda harus memahami matematika mentah yang mendorongnya. Ada beberapa suite di luar sana untuk menjalankan jaringan bayesian tanpa harus memahami semua (agak membingungkan kadang-kadang) matematika, seperti Netica ( norsys.com/netica.html )
Tim Atkinson
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.