我有一個算法問題，這可以減少到這項任務：專家系統算法
假設我們有n疾病和症狀m名單。
對每種疾病d和症狀s，我們有三個選項之一：
s => ds => ~d算法的目標是創建肯定列表/ no問題就小號ymptoms（甚至更好 - 一個問題的二叉樹），它可以根據症狀推斷確切的疾病。
任何有關特定算法，相關軟件工具以及特定領域專業術語的引用都將非常感謝。
的情況下，您使用的決策樹：http://en.wikipedia.org/wiki/Decision_tree_learning
基本上找到最佳樹（即，將你之前問能識別疾病影響的問題的平均數量最小化）是NP難。
你可以使用貪婪算法，然後嘗試優化它（如果你需要的話）。
在每個步驟中，您都希望儘可能減少仍然「可能」的死亡數量。
你是在你的樹的頂部，讓你有一個給定的s三種可能的選擇，計算每種選項的疾病數量：pcncuc。
在一邊，你在其他nc有pc和uc你不能說什麼（你可以看兩個級別的樹有一些信息，但現在我們不這樣做）。
所以最壞的情況下，你有pc/nc + uc或pc + uc/nc，選擇s，最大限度地減少最壞的情況下（即：大量的一面，只有在其他一些）。
您需要儘量減少abs(pc - (nc + uc)) + abs ((pc+uc) - nc)。
您現在有第一個問題s，您可以迭代構建您的樹。
您的域名真的是'二元'還是實際上，您是否更希望將每個症狀/疾病對的相關係數用作數值？這將允許強相關性影響結果而不是弱相關性。
如果是這樣，那麼你可能想看看Support Vector Machines分析數據和識別模式。
如果您只是需要參考，請參閱Russel & Norvig書。我現在手邊沒有我的副本，但我可以在明天更新這個答案並提供一些章節建議。
如果每種疾病只有少數症狀，那麼您可以使用圖形模型來對概率進行建模。
http://en.wikipedia.org/wiki/Graphical_model
http://www.cs.ubc.ca/~murphyk/Software/bnsoft.html
但我不知道是否可以使用圖形模型來創建的問題樹。
該問題與Mycin的細菌/抗生素問題非常相似，後者是20世紀80年代更廣義的基於規則的專家系統技術的先驅。還有其他醫療診斷程序與所產生的工具一起開發。
我認爲這是類似於'最小測試Set'問題 – 2010-11-04 16:09:03
沒有足夠的信息的選項來排除任何可能性，除非正，負相關性是絕對的。在現實生活中，這絕不會發生。 – 2010-11-04 18:09:12