我有一个算法问题，这可以减少到这项任务：专家系统算法
假设我们有n疾病和症状m名单。
对每种疾病d和症状s，我们有三个选项之一：
s => ds => ~d算法的目标是创建肯定列表/ no问题就小号ymptoms（甚至更好 - 一个问题的二叉树），它可以根据症状推断确切的疾病。
任何有关特定算法，相关软件工具以及特定领域专业术语的引用都将非常感谢。
的情况下，您使用的决策树：http://en.wikipedia.org/wiki/Decision_tree_learning
基本上找到最佳树（即，将你之前问能识别疾病影响的问题的平均数量最小化）是NP难。
你可以使用贪婪算法，然后尝试优化它（如果你需要的话）。
在每个步骤中，您都希望尽可能减少仍然“可能”的死亡数量。
你是在你的树的顶部，让你有一个给定的s三种可能的选择，计算每种选项的疾病数量：pcncuc。
在一边，你在其他nc有pc和uc你不能说什么（你可以看两个级别的树有一些信息，但现在我们不这样做）。
所以最坏的情况下，你有pc/nc + uc或pc + uc/nc，选择s，最大限度地减少最坏的情况下（即：大量的一面，只有在其他一些）。
您需要尽量减少abs(pc - (nc + uc)) + abs ((pc+uc) - nc)。
您现在有第一个问题s，您可以迭代构建您的树。
您的域名真的是'二元'还是实际上，您是否更希望将每个症状/疾病对的相关系数用作数值？这将允许强相关性影响结果而不是弱相关性。
如果是这样，那么你可能想看看Support Vector Machines分析数据和识别模式。
如果您只是需要参考，请参阅Russel & Norvig书。我现在手边没有我的副本，但我可以在明天更新这个答案并提供一些章节建议。
如果每种疾病只有少数症状，那么您可以使用图形模型来对概率进行建模。
http://en.wikipedia.org/wiki/Graphical_model
http://www.cs.ubc.ca/~murphyk/Software/bnsoft.html
但我不知道是否可以使用图形模型来创建的问题树。
该问题与Mycin的细菌/抗生素问题非常相似，后者是20世纪80年代更广义的基于规则的专家系统技术的先驱。还有其他医疗诊断程序与所产生的工具一起开发。
我认为这是类似于'最小测试Set'问题 – 2010-11-04 16:09:03
没有足够的信息的选项来排除任何可能性，除非正，负相关性是绝对的。在现实生活中，这绝不会发生。 – 2010-11-04 18:09:12