Professional Documents
Culture Documents
Tutor (a):
Fernando Rojas
Grupo:
90169_27
Estudiantes:
José Fernando Sánchez Gómez Código: 5829891
INTRODUCCION
En el presente trabajo se analizara como realizar procesos de búsqueda en espacio
de estado y el desarrollo de algoritmos en inteligencia artificial para el desarrollo de un
proyecto específico de sistemas inteligentes, aparte se expondrán temas como
búsqueda en espacio de estado, algoritmos y razonamiento con incertidumbre en
Inteligencia Artificial.
Algoritmo Prototipo
Ahora bien se decisión por desarrollar un algoritmo basado en una árbol de decisión del
tipo clasificación, donde a partir de unos datos de entrenamiento y con sus etiquetas de
referentes, se intentara predecir según los datos ingresados al sistema si la persona
tiene la enfermedad de la tuberculosis o esta para seguimiento médico, es un sistema
muy sencillo donde se importó la clase sklearn junto con tree, para trabajar la
clasificación y posterior predicción de los datos.
from sklearn import tree
#Se importa la clase del árbol de decisión.
clf = tree.DecisionTreeClassifier()
# Dias con [tos, dolor pecho, sangrado]
X = [[21, 10, 8], [20, 8, 0], [22, 11, 4], [19, 7, 0], [23, 12, 5],
[18, 6, 1], [24, 13, 4],
[17, 5, 2], [25, 55, 6], [16, 75, 0], [26, 85, 7]]
#Vamos a guardar para saber si enfermo o para seguimiento
Y = ['Enfermo de tuberculosis', 'Realizar Seguimiento', 'Enfermo de
tuberculosis',
'Realizar Seguimiento', 'Enfermo de tuberculosis', 'Realizar
Seguimiento',
'Enfermo de tuberculosis', 'Realizar Seguimiento',
'Enfermo de tuberculosis', 'Realizar Seguimiento', 'Enfermo de
tuberculosis']
#Pasamos los datos X y Y
clf = clf.fit(X, Y)
print ("Ingrese cuantos dias lleva con tos:", end="")
a = input()
print ("Ingrese cuantas dias lleva con dolor en el pecho:", end="")
b = input()
print ("Ingrese cuantas dias lleva con sangrado al tocer:", end="")
c = input()
prediction = clf.predict([dato])
#Mostramos los resultados en pantalla
print(prediction)