Análisis de redes

bayesianas con NETICA
para diagnostico de
enfermedades
Frank Zelada
Joseph Alfaro
Luis Carrión
Pablo Cáceres
Agenda
INTELIGENCIA ARTIFICIAL 2 09/06/2014
 Introducción

 Antecedentes

 Objetivos

 Redes Bayesianas

 Aplicaciones

 Caso Practico – Software NETICA

 Ventajas y Desventajas

 Conclusiones
Introducción
INTELIGENCIA ARTIFICIAL 3 09/06/2014
 Existe una herramienta capaz de aprender de forma automática, a partir
de los datos y también de la opinión del experto, especialmente en su
primera etapa de funcionamiento, donde todavía el volumen de datos no
es muy elevado y la opinión del experto es más valiosa. Esta
herramienta es lo que se llama un sistema experto

 Los sistemas expertos probabilísticos utilizan como base de
conocimiento la estructura del espacio probabilístico, y como motor de
inferencia, probabilidades condicionales. Esto permite el manejo de la
incertidumbre. Dentro del espacio probabilístico, el modelo o base de
conocimiento más utilizado es la llamada red Bayesiana, la cual
pretende que la propagación de probabilidades sea exacta, rápida y no
cause problemas de excesivo número de parámetros.

Historia
INTELIGENCIA ARTIFICIAL 4 09/06/2014
El término redes bayesianas fue acuñado por Judea Pearl en 1985 para
hacer hincapié en tres aspectos:

• El carácter subjetivo de la información de entrada.

• La dependencia de acondicionamiento de bayes como base para
la actualización de la información.

• La distinción entre los modos causales y probatorio de
razonamiento, lo que subraya Thomas Bayes en un documento
publicado póstumamente en 1763.

El jurista John Hernry Wigmore lo uso para analizar evidencia en un
juicio en 1913.

Otra variante, llamada diagrama de rutas, fue desarrollada por el
genetista Sewall Wright usado en ciencias de la conducta.


Objetivos
INTELIGENCIA ARTIFICIAL 5 09/06/2014
• Conocer conceptos básicos de una red bayesiana

• Demostrar caso práctico a través del software NETICA

• Mencionar las ventajas y desventajas encontradas en el uso de la
aplicación con redes bayesianas

Redes
Bayesianas
INTELIGENCIA ARTIFICIAL 6 09/06/2014
 Definición: Una red bayesiana es un grafo acíclico dirigido y anotado que
describe la distribución de probabilidad conjunta que gobierna un conjunto
de variables aleatorias.



Redes
Bayesianas
INTELIGENCIA ARTIFICIAL 7 09/06/2014



 Estas redes utilizan como motor de actualización de probabilidad el teorema
de Bayes, cuya fórmula es la siguiente:

donde:
P(Ai) son las probabilidades a priori
P(B/Ai) es la probabilidad de B en la hipótesis
P (Ai/B) son las probabilidades a posteriori

 Obtener una red Bayesiana a partir de datos es un proceso de aprendizaje
que se divide en dos etapas: el aprendizaje estructural y el aprendizaje
paramétrico.
 Aprendizaje estructural: Obtener la estructura o topología de la red.
 Aprendizaje paramétrico: Dada la estructura, obtener las probabilidades
asociadas.

Aplicaciones
INTELIGENCIA ARTIFICIAL 8 09/06/2014

 Las redes bayesianas son un tipo de modelos de minería de datos
que pueden ser utilizados en cualquiera de las siguientes actividades
de negocio:

 Prevención del fraude
 Prevención del abandono de clientes
 Blanqueo de dinero
 Marketing personalizado
 Mantenimiento preventivo
 Scoring de clientes
 Clasificación de datos estelares
Software
NETICA
 Netica es un programa poderoso, fácil de usar, completo para
trabajar con redes de creencia y diagramas de influencia.
 Netica puede utilizar las redes para llevar a cabo diversos tipos de
inferencia utilizando los algoritmos más rápidos y modernos.
 Netica puede ser utilizado para transformar una red en un número
de maneras.







INTELIGENCIA ARTIFICIAL 9 09/06/2014
Software
NETICA
 Estimación Estructural: Existen numerosos procedimientos
automáticos destinados a generar grafos dirigidos a cíclicos
destinados a convertirse en redes bayesianas.
 Estimación Paramétrica: De igual manera a como ocurre con la
estimación estructural, la estimación de los parámetros de una red
bayesiana puede hacerse automáticamente o a partir del juicio de
expertos.
 Compilación: Antes de poder usar nuestra red para solucionar las
preguntas que nos planteaba el ejemplo expuesto con anterioridad
necesitamos compilar el modelo para que se ponga a funcionar en
modo de inferencia.
INTELIGENCIA ARTIFICIAL 10 09/06/2014
Caso Practico

 Asumamos que trabajamos en una clínica especializada en el
diagnóstico y tratamiento de procesos gripales y que solemos
trabajar, de manera genérica, con dos tipos de enfermedades. La
gripe A (o virus H1N1) es una enfermedad poco corriente (un
22,727% de la población la contrae cada año) mientras que la gripe
común es más frecuente (supongamos que el resto de los casos que
no son gripe A son gripe común). El dolor de cabeza y los
problemas respiratorios están asociados con ambas enfermedades.
El dolor de cabeza está presente en el 88,889% de los casos de la
gripe común mientras que este síntoma está únicamente presente en
el 66,667% de los casos que son diagnosticados como gripe A.
Adicionalmente, los problemas respiratorios no están presentes en la
mayoría de los casos de la gripe común (94,444%) mientras que
están presentes en la mayoría de los casos en que se ha contraído el
virus de la gripe A (en el 83,333% de los casos). ¿Cuál es la
probabilidad de que una persona que tenga dolor de cabeza
haya contraído la gripe común? ¿Cuál es la probabilidad de que
una persona haya contraído la gripe común si tiene dolor de
cabeza y sufre problemas respiratorios?

INTELIGENCIA ARTIFICIAL 11 09/06/2014
Solución
INTELIGENCIA ARTIFICIAL 12 09/06/2014
Ventajas y
Desventajas

 Se puede representar de manera simultánea la dimensión cualitativa y
cuantitativa de un problema o caso.
 Se puede realizar inferencias bidireccionales
 Con el software Netica se puede estimar en porcentajes la enfermedad
con los síntomas indicados.
 Se necesita de juicios de expertos para las probabilidades

INTELIGENCIA ARTIFICIAL 13 09/06/2014
Conclusiones
 El software Netica sirve mayormente para instituciones médicas
para detectar con un porcentaje alto la enfermedad relacionado con
sus síntomas.
 Las redes bayesianas modelan un fenómeno mediante un conjunto
de variables y las relaciones de dependencia entre ellas.
 Una red bayesiana es un grafo a cíclico dirigido que describe la
distribución de probabilidades conjunta que gobierna un conjunto
de variables aleatorias.
 Concluimos que las redes Bayesianas son utilizadas para proveer
una forma compacta de representar el conocimiento y métodos
flexibles de razonamiento.

INTELIGENCIA ARTIFICIAL 14 09/06/2014
The End
INTELIGENCIA ARTIFICIAL 15 09/06/2014