علائم بيماري‌ها: دانستن اينكه چه علائم و نشانه‌هايي به چه بيماري‌هايي مرتبط‌اند، مستلزم تحقيقات يا جمع‌آوري اطلاعات از طريق آزمايش است. دانستن اينكه چه علائمي درچه بيماري‌هايي ظاهر      مي شوند، بيماري موجود را مشخص نمي‌كند. چندين نوع بيماري مي‌توانند علائم يكساني داشته باشند. دركل رابطة « بيماري ← نشانه‌ها » نتيجة مشاهدات دقيق درطي مطالعات علمي و تجارب باليني است. رابطة « نشانه‌ها ← بيماري » كاري است كه توسط پزشكان انجام مي شود. اين دو نوع رابطه در مدل‌هاي تصميم در كامپيوتر استفاده مي شود.

تغييرپذيري: نشانه‌هاي بيمار عموماً در بين بيماراني كه به يك نوع بيماري مبتلا هستند تغيير مي‌كند. نشانه ها با پيشرفت بيماري يا مسائل ديگر، تغييرپذيري زيادي از خود نشان مي‌دهند كه به عنوان مثال مي‌تواند در قالب ميانگين و واريانس توصيف شود.

 

شكل 1. مدل تصميم مي تواند در انتخاب بهترين ويژگي كمك كند.

 

انتخاب ويژگي: مشابه با اصطلاحات رايج در بحث بازشناخت الگو، علائم، نشانه‌ها، اندازه‌گيري‌ها و نتايج آزمايش‌هاي تشخيصي «ويژگي» ناميده مي‌شوند. همچنين به تصميم‌گيري كامپيوتري يا تشخيص طبقه‌بندي اطلاق مي‌شود. مدل‌هاي تصميم در انتخاب ويژگي كمك مي‌كنند. يعني مشخص مي‌كنند كه چه علائم، نشانه‌ها يا اندازه‌گيري‌هايي براي تمايز بين سالم بودن و بيماربودن فرد مهم‌اند. بدون ويژگي‌هاي صحيح، روشهاي كامپيوتري تصميم‌گيري مفيد نيستند.

ويژگي‌ها و مدل تصميم: نوع مدل تصميم انتخابي بسيار مهم است، اما درصورتيكه ندانيم چه ويژگي‌هايي بيشترين اهميت را دارند، مدل تصميم كمكي نخواهد كرد. مدل تصميم ممكن است در انتخاب بهترين ويژگي‌ها كمك كند و زماني كه ما بهترين ويژگي‌ها را داريم، خود مدل تصميم مي‌تواند بهينه‌سازي شود. اين مطلب مشابه تئوري تشخيص است. زماني كه يك «تشخيص‌دهنده» ساخته مي‌شود، اگر خصوصيات سيگنال مشخص باشد، سيگنال مي‌تواند به نحو بهتري تشخيص داده شود. كامپيوترها را مي‌توان به دو روش آموزش داد:

  • آموزش با معلم (Supervised Learning)
  • آموزش بدون معلم (Unsupervised Learning)

در ادامه درمورد اين دو موضوع به طور مفصل توضيح داده مي‌شود.