증상으로부터 질병을 예측하는 올바른 기술 선택

사용자가 몇 가지 증상을 입력하고 시스템에서 선택한 몇 가지 증상이 시스템에 존재하는 증상과 관련 될 가능성을 예측하거나 결정 해야하는 시스템에 적합한 알고리즘을 고안하려고합니다. 그런 다음 연관시킨 후 결과 또는 출력은 증상에 대한 특정 질병이어야합니다.

이 시스템은 시스템에 존재하는 특정 증상에 지정된 일련의 질병으로 구성됩니다.

사용자가 다음 입력을 입력했다고 가정합니다.

A, B, C, and D

시스템이 가장 먼저해야 할 일은 각 증상 (이 경우 알파벳 문자로 표시)을 이미 존재하는 증상의 데이터 테이블과 개별적으로 확인하고 연관시키는 것입니다. 입력이 존재하지 않는 경우 시스템은 입력에 대해보고하거나 피드백을 보내야합니다.

또한 A and B데이터 테이블에 있다고 가정 하여, 우리는 그들이 유효하거나 존재하고 시스템이 입력에 따라 질병을 줄 수 있는지 100 % 확신합니다. 그런 다음 현재 입력 이 데이터 테이블에 존재하지 않는 C and D위치에 있다고 가정 해 봅시다 .CD

우리는 D100 %의 점수를 주지 않지만 아마도 더 낮습니다 (90 %라고 말하십시오). 그런 다음 C데이터 테이블에 전혀 존재하지 않습니다. 따라서 C0 %의 점수를 얻습니다.

따라서 시스템은 사용자의 입력을 판단하여 결과를 출력하기위한 일종의 연관 및 예측 기술 또는 규칙을 가져야합니다.

출력 생성 요약 :

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%

이 시스템을 만드는 데 어떤 기술이 사용됩니까?

나는 당신이 당신의 문제가 약간 잘못되었다고 생각합니다 ... 본질적으로 이야기하는 것은 신념 네트워크입니다.

기존의 베이지안 학습 기법을 조사하여이 문제를 해결할 수도 있지만, 신념 네트워크는 일반적으로 사용자가 말하는 정확한 시나리오를 사용합니다. 일련의 알려진 (또는 불확실한 사실) 진술을 사용하여 특정 산출물의 일부 추정 된 확률을 생성합니다.

더욱이, 그들은 종종 튜토리얼의 질병 증상 기반 예제를 통해 이것을 표현합니다! 여기를 보십시오 .

내 요점은 이론 기반이 ANN 대신 이미 당신을 위해 존재하기 때문에 신념 네트워크를 사용하는 것이 낫다는 것입니다.