![]() |
Здравствуйте, гость ( Вход | Регистрация )
![]() |
![]()
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 5 Регистрация: 5.02.2014 Пользователь №: 25976 ![]() |
Здравствуйте, коллеги. Очень прошу вашей профессиональной помощи. имеются 3 фактора, значимо различающиеся между группами с исходом 1 и 0. Построена нейронная сеть, дискриминантная модель, которые на основании этих факторов предсказывают исход с точностью 87-94%. Задача в формировании наглядного практического руководства к действию, если это возможно. Связать вместе эти три кофактора - напрямую друг от друга не зависят, разложить их, по осям например, и определить зоны риска, цветом (как плоскости или тернарные графики), чтобы отложив по осям имеющиеся значения каждого из факторов точка соединения показывала бы вероятность развития исходов 1 и 0 и было видно как изменить показатели, чтобы улучшить исход. Спасибо заранее.
|
|
![]() |
![]() |
![]() |
![]()
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 219 Регистрация: 4.06.2013 Из: Тверь Пользователь №: 24927 ![]() |
Как я понимаю. вашу задачу можно решить принципиально по-другому:
1) на основе нейронной сети , построенной вами. и , используя ее параметры (число слоев , функции активации , синаптические веса и др.) написать собственную небольшую программу , которая будет установлена на компьютере врача и будет работать как калькулятор. Точность прогнозирования при этом не ухудшится. Такие программы в меддиагностике , я знаю, уже существуют. 2) Скорее всего, точность прогнозирования можно еще улучшить, если применить нечеткие деревья классификации: деревья классификации + нечеткая логика. Подход тот же самый: используя стандартную программу (есть расширение пакета MATLAB Fuzzy Logic Toolbox ) создать алгоритм, а затем , используя его параметры, создать собственную программу для врача. Полагаю, что обе программы не будут очень сложными. Даже карты Кохонена можно запрограммировать так, чтобы они работали в интерактивном режиме!!! Тогда исследователь сможет визуально наблюдать за процессом классификации! У опытного программиста есть заготовки для таких программ. В вашем случае точность, полученная с применением нейронной сети, выше потому что при этом подходе используется параллельная обработка информации, а в деревьях классификации - последовательная. Другие подходы (с принципиально другими проблемами): 1) создание модели скоринга и ее применение, 2) применение процедуры Что-если (если она есть в пакете ), 3) скрипт, макрос и др. Сообщение отредактировал anserovtv - 9.03.2014 - 15:32 |
|
![]() |
![]() |
![]() ![]() |