Ing. Tomasz Kanik. doc. RNDr. Štefan Peško, CSc.

Transcription

1 Ing. Tomasz Kanik Školiteľ: doc. RNDr. Štefan Peško, CSc. Pracovisko: Študijný program: KMMOA, FRI, ŽU Aplikovaná informatika 1

2 identifikácia problémovej skupiny pacientov, zlepšenie kvality rozhodovacích modelov, zvýšenie celkovej úspešností diagnóz. 2

3 Pacient Príznak A Príznak B Príznak C Stav P dobrý P zlý P dobrý P priemerný P priemerný P priemerný P dobrý P zlý P zlý P priemerný 3

4 Pacient Príznak A Príznak B Príznak C Stav P dobrý P zlý P dobrý P priemerný P priemerný P priemerný P dobrý P zlý P zlý P priemerný 4

5 Pacient Príznak A Príznak B Príznak C Stav P dobrý P zlý P dobrý P priemerný P priemerný Nekonzistencia údajov P priemerný P dobrý P zlý P zlý P priemerný 5

6 Pacient Príznak A Príznak B Príznak C Stav P dobrý P zlý P dobrý P priemerný P priemerný P priemerný Zmena hodnoty podmienených atribútov môže spôsobiť zmenu stavu P dobrý Aj poradie hodnôt rozhodovacieho atribútu je významné pre lekára P zlý P zlý P priemerný 6

7 VC-DRSA: používa rozhodovacie pravidla (teória RSA); zohľadňuje poradie preferencie v rozhodovacích pravidlách (teória DRSA); umožňuje relaxáciu striktných pravidiel DRSA pomocou miery konzistencie; Identifikácia nekonzistentných inštancii vedie k určení problémovej skupiny pacientov Modifikácie teórie Rough Set sú často aplikované v expertných systémoch (napr. WMSS) 7

8 Problémová skupina pacientov Nekonzistentné inštancie Kvalita rozhodovacích modelov Kvalita rozhodovacích pravidiel Celková úspešnosť diagnóz Celková úspešnosť klasifikácie 8

9 Miera konzistencie objektu vyjadruje informáciu o jeho príslušností do zvolenej množiny rozhodnutí. Miery rozdeľujeme na maximalizačné a minimalizačné. Pre maximalizačnú mieru konzistencie platí, že čim je hodnota vyššia tým viac konzistentný je skúmaný objekt. Pre minimalizačnú mieru konzistencie platí opak. 9

10 10

11 Inuiguchi et al.,

12 Błaszczyński et al., 2007 &

13 q 1, q 2, q 3 podmienené atribúty d rozhodovací atribút X 1, X 2, X 3 triedy rozkladu 13

14 14

15 15

16 Autori Deng et al., 2011 Definovali kvantitatívne vyjadrenie globálnej nekonzistencie objektu Miera neistoty objektu vyjadruje do akej miery objekt patri vyššej alebo nižšej triedy rozkladu podľa poradia preferencie tried 16

17 Deng et al., 2011 &

18 18

19 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN V 9 30 I 56 F 9,5 GN V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 19

20 20

21 21

22 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD 2,0 V I 10 F 8,9 GN 1,0 V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN 0,5 V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN 0,5 V I 55 F 9,5 GN 3,0 V I 52 F 8,2 AN 2,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN 1,0 V 22 8 C 60 M 8,8 PKD 22

23 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD 2,0 V I 10 F 8,9 GN 1,0 V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN 0,5 V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN 0,5 V I 55 F 9,5 GN 3,0 V I 52 F 8,2 AN 2,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN 1,0 V 22 8 C 60 M 8,8 PKD 23

24 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD 2,0 V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN 0,5 V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN 1,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 24

25 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD 2,0 V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN 0,5 V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN 1,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 25

26 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD 2,0 V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN 0,5 V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN 1,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 26

27 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN 1,0 V 9 30 I 56 F 9,5 GN 1,0 V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 27

28 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 17 F 8,9 OKD V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 55 F 9,5 GN V I 52 F 8,2 AN V 9 30 I 56 F 9,5 GN V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 28

29 Q 1 Q 2 Q 3 Q 4 Q 5 d α Q 1 Q 2 Q 3 Q 4 Q 5 d α V 1 8 I 28 M 7,7 OKD V C 43 F 9,0 AN V 2 30 I 10 M 8,5 OKD V I 43 M 9,3 AN V 3 12 I 10 M 8,5 OKD V C 57 F 9,5 AN V 4 24 I 16 F 8,9 OKD V I 58 F 9,5 AN V I 10 F 8,9 GN V 6 7 I 51 M 7,0 OKD V I 10 F 8,9 GN V 7 - I 51 M 7,0 GN V I 52 F 8,2 AN V I 52 F 8,2 AN V 20 2 I 53 M 8,5 GN V I 69 F 9,3 AN V C 42 F 9,3 OKD V I 42 F 9,0 AN V 22 8 C 60 M 8,8 PKD 29

30 30

31 31

32 32

33 33

34 Zrýchlenie vyhľadávania nekonzistentných objektov znížením počtu testovaných podmienok zo 7 na 3. Efektívna implementácia vyhľadávania nekonzistentných objektov. 34

35 35

36 Instance Family Instance Type Processor Arch Compute optimized c3.8xlarge 64-bit vcpu 32 ECU 108 Memory (GiB) 60 Instance Storage (GB) 2 x 320 SSD EBS-optimized Available - Network Performance Physical Processor Intel AES-NI Intel AVX Intel Turbo 10 Gigabit*4 Intel Xeon E v2 Yes Yes Yes 36

37 37

38 38

39 39

40 40

41 Ostatné miery Navrhované riešenie 41

42 42

43 43

44 Navrhované riešenie Ostatné algoritmy 44

45 Jednoduchý spôsob identifikácie skupiny problémových pacientov Štatisticky významné zlepšenie kvality rozhodovacích pravidiel (modelov) Zvýšenie celkovej úspešnosti klasifikácie Návrh metodiky porovnávania mier neistoty pre budúce výskumy 45

46 46

47 47

48 48

49 49

50 50

51 Pôvodne vynechaný krok 51

52 52

53 53

54 Pôvodne 7 podmienok IF 54