从专家诊病模型实例理解智慧医疗大数据文库Word文档下载推荐.docx

从专家诊病模型实例理解智慧医疗大数据文库Word文档下载推荐.docx

《从专家诊病模型实例理解智慧医疗大数据文库Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《从专家诊病模型实例理解智慧医疗大数据文库Word文档下载推荐.docx（7页珍藏版）》请在冰点文库上搜索。

关于医护人员，不仅能够提高诊疗速度，还能够让诊疗更加精准，通过大量的数据分析支持他们的诊断。

那个地点就不得不提到专家系统，它应该是一个典型的医疗应用，是大数据和人工智能的紧密结合。

专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，依照某领域一个或多个专家提供的知识和经验，进行推理和推断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。

简言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统的进展差不多历了3个时期，正向第四代过渡和进展。

第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。

但在体系结构的完整性、可移植性、系统的透明性和灵活性等方面存在缺陷，求解问题的能力弱。

第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识猎取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。

第三代专家系统属多学科综合型系统，采纳多种人工智能语言，综合采纳各种知识表示方法和多种推理机制及操纵策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。

在总结前三代专家系统的设计方法和实现技术的基础上，已开始采纳大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识猎取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。

接下来将通过生动有味的过程讲解，关心读者了解使用SmartMining敏捷挖掘桌面版，以决策树算法为背景，依托大数据如何构建专家诊病模型，以及如何通过可视化探究数据，实现决策树同样的计算结果！

该案例的工作流如下：

商业目标

业务理解：

该案例所用的数据是一份大夫诊病的数据，如下：

表1数据视图

其中，年龄、性不、血压、胆固醇、钠、钾是病人的指标，而药物是大夫针对病人的情况开出的药物。

业务目标：

建立专家诊病系统，当把病人的指标输入到该系统时，系统会自动输出该给此类病人开出的药物。

数据挖掘目标：

建立专家诊病模型，该模型以病人的病例指标为输入，以药物为目标，建立预测模型，该模型能够依照输入指标的值，计算预测值（药物）。

操作实现：

新建工作流

能够点击文件菜单下的"

新建"

或者点击工具栏左方的新建按钮（

）开始创建工作流。

点击后会弹出以下向导界面：

输入工作流的名字后即可完成创建：

图1新建工作流

导入数据

现在要依照数据存储文件的格式选择相应的导入节点。

在那个地点由于数据源是CSV文件，因此能够选择CSV导入节点（也能够使用可变文件）。

左侧节点库中CSV导入节点拖到右侧的工作流中。

双击节点或者右键菜单中选择"

配置"

，弹出如下配置窗口：

图2CSV节点配置

点击

按钮，选择相应的数据文件。

注意，此处假如数据第一行包含字段名，则选中

（该数据有），假如有行ID字段，则选中

（该数据无，则不选中）。

配置完成后，点击

。

节点下方的预警符号从

变成了

红色表示节点尚未配置或者配置有误，现在节点不可执行；

黄色表示节点能够执行。

点击右键菜单的

或者点击工具栏的

，即可执行工作流。

执行完成后预警符号变成

能够查询数据。

另外，节点的右端口也会悬停显示数据的行数和字段数。

理解数据

使用统计分析菜单下的统计节点能够对数据进行描述，这是建模之前必须要做的工作，一方面是为了设计合理的实施方案，另外一方面也是为了更好的选择合适的算法。

从表2中能够看出每种分类变量的取值及每种取值的个数。

比如，从那个地点我们能够看出药物字段一共包含五种取值，且出现最多的是Y药物。

在那个地点目标变量为分类型，因此只能选择分类预测类模型，如决策树、逻辑回归等。