Академический Документы
Профессиональный Документы
Культура Документы
Aplicabilidade de memria lgica como ferramenta coadjuvante no diagnstico das doenas genticas
Definio do Problema
Coleta de Sangue
Suspeita Clnica
Anlise
Resultado
Caritipo
Justificativa
Aplicao de tcnicas de MD baseados em redes probabilsticas ou neurais SUS Agilidade no resultado do teste citogentico
Tcnica de IA e MD
Desenvolvimento de tcnicas de inferncia eficientes Combinao de conhecimento especialista com dados A posteriori Tomada de deciso para refinar os modelos de conhecimento
Tcnica de IA e MD
Utilizao de modelos grficos Surgimento de tcnicas de MD e KDD
Minerao de Dados
Tcnicas de MD disponveis: Extrao de Regras Algoritmos Genticos Redes Neurais Redes Bayesianas Componentes primrios em algoritmos de MD: Representao do modelo; Critrio de avaliao do modelo; Mtodo de busca;
Redes Bayesianas
Representao da incerteza Raciocnio com a probabilidade RB como tarefa de inferncias probabilsticas
Construo da RB
Primeira Condio Variveis mais relevantes Segunda Condio O algoritmo deve realizar esta delimitao
Construo da RB
Previso
KDD / PR-PROCESSAMENTO
Etapas
7a
Seleciona atributos Integrar dados
1a
Higienizao dos Dados
2a
PrProcessmento
Discretizao
3a
6a
Construir ou derivar novos atributos Reduzir domnio
4a
5a
KDD / PR-PROCESSAMENTO
Propriedade
Pr-Processamento
Mtodo CRISP-DM
www.sinter.com.tw
KDD / PS-PROCESSAMENTO
Etapas
1a
Four-Fold Cross Validation
Exatido dos resultados
2a
3a
Ps-Processamento
Eficincia
Facilidade de Compreenso
4a
Classificadores
Classificador Naive Bayes
Classificadores
Classificador TAN
Classificadores
Classificador BAN
Metodologia
Nesse estudo foram utilizados os classificadores probabilsticos rvore de Deciso Naive Bayes TAN BAN Rede Neural
Estudo de Casos
Aplicao do four-fold cross validation
Grupo N. Registro I 21 Subconjuntos Sc1 Conjuntos Procedimentos
II
21
Sc2
III
21
Sc3
IV
21
Sc4
Estudo de Casos
Discriminao entre os modelos
R \ P
SIM
NO
NAO
Estudo de Casos
Tabela de ndices para Discriminao entre Classificadores Dicotmicos
Sensibilidade (S)
Especificidade (E)
Acurcia (Ac)
SE
S = VP / (VP+FN)
E = VN / (VN+FP)
Ac = (VP+VN) / (VP+FP+VN+FN)
SE = S * E
Estudo de Casos
Matriz Confuso e Resumo da Acurcia
Matriz de Confuso
a 2 b 2 Classificao a = NO b = SIM 17 0
Resumo
Descrio
Instncias Corretamente Classificadas
Instncias Incorretamente Classificadas
Qtde Porcentagem
19
2
90
10
Acurcia (AC)
1 0,82
SE
1 0,642
rvore de Deciso
0,989
0,996
0,993
0,985
Muito obrigado!
"As grandes coisas so feitas por pessoas que tem grandes idias e saem pelo mundo para fazer com que seus sonhos se tornem realidades Ernest Holmes