The Problem of Thresholds Determination in Ranking Classifiers Applied in Medical Diagnostics

• Autorzy: Andrzej Ameljańczyk
• Języki publikacji: EN

Abstrakty

EN

The paper presents the opportunity for using multi-objective optimization for the development of ranking meta-classifiers being a synthesis of simple ranking domain functions. The method of threshold determination in the developed ranking classifiers applied in medical diagnostics was presented. Analysis was conducted of properties of medical diagnoses acquired with the application of thresholds for both simple and complex classifiers and for meta-classifiers(original abstract)

Słowa kluczowe

EN

Medicine; Medical treatment; Services classification

PL

Medycyna; Leczenie; Klasyfikacja usług

• Czasopismo: Journal of Health Policy and Outcomes Research
• Rocznik: 2016
• Numer: nr 1
• Strony: 20--29

Twórcy

autor

Andrzej Ameljańczyk

Bibliografia

• Acid S., Campos L.M., "A comparison of learning algorithms for Bayesian Networks: a case study based on data from an emergency medical service", Artificial Intelligence in Medicine, 30, 215-232 (2004).
• Ameljańczyk A., "Metryki Minkowskiego w tworzeniu uniwersalnych algorytmów rankingowych", Biuletyn WAT, Vol. LXIII, Nr 2, 324-336 (2014).
• Ameljańczyk A., Multipe optimization, WAT, Warszawa, 1986.
• Ameljańczyk A., Optymalizacja wielo-kryterialna w problemach sterowania i zarządzania, Ossolineum, Wrocław, 1984.
• Ameljańczyk A., "Metoda podziału zbioru obiektów na wielokryterialne klastry jakościowe", Biuletyn Instytutu Systemów Informatycznych, Nr 12, 1-7(2013).
• Ameljańczyk A., "Multicriteria similarity models in medical diagnostics support algorithms", Bio-Algorithms and Med.-Systems, Vol. 21, No.1, 33-39(2013).
• Ameljańczyk A., "Wiarygodność komputerowych systemów wspomagania diagnostyki medycznej", w Problemy modelowania i projektowania opartych na wiedzy systemów informatycznych na potrzeby bezpieczeństwa narodowego, 23-39, WAT, Warszawa, 2014.
• Balcan M.F., Bansal N., Beygelzimer A., Coppersmith D., Langford J., and Sorkin G.B., "Robustreductions from ranking to classification", Machine Learning, 72(1-2):139-153 (2008)
• Bouyssou D., Marchant T., An axiomatic approach to noncompensatory sorting methods in MCDM, I: The case of two categories, EJOR, 178(1):217-245 (2007).
• Brans J.P.,Vincke Ph., "A preference ranking organization method: The PROMETHEE method for Multiple Criteria Decision-Making", Management Science, Vol. 31, No. 6, 647-656 (1985).
• Courtney H., Kirkland J., Viguerie P., "Strategia w warunkach niepewności", w: Zarządzanie w warunkach niepewności, Harvard Busines Review, 316-324, Helion, Gliwice, 2006.
• Dietterich G.T., "Machine learning research: four current directions", AI Magazine, 18:97-136 (1997).
• Furnkranz J., Hullermeier E., Mencia E., and Brinker K., "Multilabel classification via calibrated label ranking", Machine Learning, 73:133-153 (2008).
• Kahneman D., Tversky A., "Prospect theory: An Analysis of Decision Under Risk", Econometrica, Vol. 47, No. 2, 67-72 (1978).
• Kuncheva L.I., Whitaker C.J., "Measures of diversity in classifier ensembles", Machine Learning, Vol. 51, No. 2, 181-207 (2003).
• Larose D., Metody i modele eksploracji danych, Wydawnictwo Naukowe PWN, Warszawa, 2008.
• Pawlak Z., "Rough Sets", International Journal of Computer and Information Sciences, Vol. 11, 341-356 (1965).
• Pawlak Z., Systemy informacyjne - podstawy teoretyczne, WNT, Warszawa, 1983.
• Perl J., Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Morgan Kaufmann, Los Angeles, California, 1988.
• Rasiowa H., Wstęp do matematyki współczesnej, PWN, Warszawa, 2005.
• Ruiz C., Illustration of the K2 Algorithm for Learning Bayes Net Structures, Department of Computer Science WPI, Bayesian Network Power Constructor, Worcester, MA, 2009.
• Saaty T.L., Rank from comparisons and from ratings in the analytic hierarchy/network processes, EJOR, 168(2):557-570 (2006).
• Seo F., Sakawa M., Multiple Criteria Decision Analysis in Regional Planning,
• D. Reidel-Kluwer, Dordrecht-Boston-Lancaster-Tokyo, 1988.
• Seung-Seok Choi, Sung-Hyuk Cha, Tappert Charles C., A Survey of Binary Similarity and Distance Measures, Pace University, New York, 2006.
• Shipp C.A., Kuncheva L.I., "Relationships between combination methods and measures of diversity in combining classifiers", Information Fusion, Vol. 3, No. 2, 135-148 (2002).
• Yu P.L., Leitmann G., "Compromise solutions, domination structures and Salukwadze's solution", JOTA, Vol. 13, 14-21 (1974).
• Yu P.L., Leitmann G., "Nondominated decision and cone convexity in dynamic multicriteria decision problems", JOTA Vol.14, 195-203 (1974).
• Walczak A., Bieniek B., Różyk-Jahnz K., Paluchowska E., "Fuzja klasyfikatorów w diagnostyce chorób skóry", w: Problemy modelowania i projektowania opartych na wiedzy systemów informatycznych na potrzeby bezpieczeństwa narodowego (red. T. Nowicki i Z. Tarapata), 143-152, WAT, Warszawa, 2014.

Identyfikatory

DOI

10.7365/JHPOR.2016.1.4