Algorithm 专家系统（？）算法

我有一个算法问题，可以简化为这项任务：

假设我们有一个

n

疾病和

m

症状的列表。
对于每种疾病

d

和症状

s

，我们有三种选择之一：

• 症状与疾病呈正相关：

  s=>d

• 症状与疾病呈负相关：

  s=>~d

• 这种症状与疾病无关

该算法的目标是创建一个关于症状的是/否问题列表（或者更好——一个问题二叉树），它可以根据症状推断出确切的疾病

---

非常感谢您对特定算法、相关软件工具甚至特定领域术语的任何引用。

您可以使用决策树：

基本上，找到最佳树（即在你能够识别疾病之前，它将最小化平均问题数）是NP难的

你可以使用贪婪算法，然后尝试优化它（如果你需要的话）

在每一步中，你都希望尽可能减少仍然“可能”的死亡人数

您位于树的顶端，因此对于给定的

s

，您有三个可能的选项，计算每个选项中的疾病数量：

pc

nc

uc

一方面你有

pc

，另一方面你有

nc

，而

uc

你什么都不能说（你可以查看树的两个层次来获得一些信息，但目前我们不这么做）

因此，在最坏情况下，您有

pc

/

nc+uc

或

pc+uc

/

nc

，选择使最坏情况最小化的

s

（即：一方很多，另一方只有少数）

您需要最小化

abs（pc-（nc+uc））+abs（（pc+uc）-nc）

---

您现在有了第一个问题的

s

，您可以迭代地构建您的树。

您的域真的是这个“二进制”吗？或者事实上，您更希望使用每个症状/疾病对的相关系数作为数值吗？这将允许强相关性比弱相关性对结果的影响更大

---

如果是这样的话，那么你可能想看看那本分析数据和识别模式的书。

如果你只需要一本参考书，那就看看这本书。我现在手头没有我的副本，但我明天可以用一些章节建议更新这个答案。

如果每种疾病只有几个症状，那么你可以使用图形模型来建模概率

---

但是我不知道你是否可以用一个图形模型来创建一个问题树

这个问题与20世纪80年代更普遍的基于规则的专家系统技术的先驱——霉素的细菌/抗生素问题非常相似。有其他的医疗诊断程序开发与由此产生的工具

---

我认为这类似于

最小测试集问题

选项中没有足够的信息来排除任何可能性，除非正相关性和负相关性是绝对的。在现实生活中，这种情况从未发生过。