Выбор модели данных в задачах медицинской диагностики

Эффективное решение задач медицинской диагностики требует применения сложных вероятностных моделей, позволяющих адекватно описывать реальные данные и допускающих применение аналитических методов обучаемой классификации. Выбор модели смеси нормальных распределений решает поставленные задачи, но приводит к проблеме проклятия размерности. Переход к модели смеси вероятностных анализаторов главных компонент позволяет формально поставить задачу выбора ее структурных параметров. Решение предлагается искать, комбинируя применение информационных критериев для формирования начальных приближений с последующим уточнением получающихся оценок. На примере экспериментов по диагностированию болезней печени и прогнозированию химического состава мочевых камней демонстрируются возможности описанных процедур анализа данных. Предлагаемые решения являются источником повышения точности классификации, дают толчок специалистам в предметной области для прояснения сути протекающих процессов.