大数据很火。人们已经充分想象了它的应用场景，其中有很多正在逐步落地，比如智慧医疗。医疗行业正在融合更多人工智能、传感器技术等高科技技术，让医疗服务真正实现智能化。面对不同的受众，智慧医疗有着不同的内涵。对公众而言，意味着更便捷、更易获得的医疗服务；对于医护人员来说，不仅可以提高诊疗速度，还可以让诊疗更加精准，通过大量的数据分析支持他们的诊断。这里不得不提到专家系统，它应该是典型的医疗应用，是大数据和人工智能的紧??密结合。专家系统是具有大量专门知识和经验的程序系统。它利用人工智能技术和计算机技术，根据某一领域内一名或多名专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程。为了解决需要人类专家处理的复杂问题。简而言之，专家系统是模拟人类专家解决领域问题的计算机程序系统。专家系统的发展经历了三个阶段，正在向第四代过渡和发展。第一代专家系统（dendral、macsyma等）的特点是专业化程度高，解决特殊问题的能力强。但在体系结构的完整性、系统的可移植性、透明性和灵活性等方面存在缺陷，解决问题的能力较弱。第二代专家系统（mycin、casnet、prospector、hearsay等）是一个单科专业、面向应用的系统。它的架构比较完整，移植性也有所提高。在获取技术、不确定性推理技术、增强型专家系统的知识表示以及推理方法的启发式和通用性方面取得了进步。第三代专家系统是一个多学科的综合系统，使用多种人工智能语言，综合运用各种知识表示方法、各种推理机制和控制策略，并开始使用各种知识工程语言、骨架系统和专家系统开发工具和环境来开发大规模集成专家系统。在总结前三代专家系统、大规模多专家协作系统、多元知识表示、综合知识库、自组织问题求解机制、多学科协作问题的设计方法和实现技术的基础上-求解与并行推理、专家系统工具与环境、人工神经网络知识获取与学习机制等先进的人工智能技术，实现了具有多知识库、多智能体的第四代专家系统。笔者尝试使用桌面版SmartMining来探索如何构建基于大数据的专家诊断模型。选择SmartMining的原因是因为它“简单而有内涵”。它的操作真的够简单，整个过程可视化，不需要编程，这对笔者来说是非常有吸引力的。当然，喜欢R语言的朋友也可以在这里找到自己的感受，因为它集成了R，算法丰富。此外，SmartMining还贴心地内置了很多实例，让用户不费吹灰之力就可以进入数据挖掘的世界。专家诊断模型是SmartMining内置的实例之一。它基于决策树算法，通过视觉探索数据实现与决策树相同的计算结果。配套的示例教程清晰生动地解释了整个过程。笔者跟着教程学习，受益匪浅。从专家系统模型的知识点来看，有几点提示：1、数据质量和完整性始终是数据挖掘中无法回避的基本问题。历史数据量不足，或者数据质量不可靠（此处理解为误诊）都会导致机器学习失败（这个原则就是“Gabagein,gabageout”）。因此，各种数据的探索、统计、处理是非常关键的！2.建模不是一次性的，需要反复训练、评估、优化。优化模型通常有三种方式：***，添加新数据，引入更重要的影响因素；第二，尝试其他模型，找到更合适的模型；第三，优化输入，即根据现有数据推导更重要的变量，或过滤不重要的变量。三者之中，第一个是最难实现的。一般来说，企业的数据是有限的。在项目需求调研阶段就应该明确企业可用的内部数据和外部网络数据，而企业外部的行业数据则很难获取。第二种是最容易尝试的，所有可用的模型都可以快速尝试，这是每个项目都必须做的，但不是最重要的方法。第三种方法是项目中最可行也是最重要的方法。3、任何时候，商业应用必须永远是目标，不能有“过拟合”、“追求美”、“绝技”。能用简单图形分析的千万不要用算法，能用成熟模型的尽量不要自己编程！以下是安利内容的一些示例。感兴趣的朋友可以访问链接http://wiki.smartbi.com.cn/pages/viewpage.action?pageId=17958343查看详情。1.可视化界面。无需编码。通过拖拽配置功能节点，以工作流的形式展示挖掘过程，挖掘思路一目了然。2.支持多种数据源。SmartMining可以导入各种类型的数据，本例数据源为csv文件。3.图形探索。数据挖掘的核心任务之一是图形探索。SmartMining使用eCharts进行可视化展示。用户可以直观地在图形中发现规律，开启挖掘思路。4.丰富的算法，适合不同层次的用户。SmartMining不仅集成了R，在众多模型和算法中还具备自动选型和专家调整模型两种模式。对于一般的应用，只要运行在自动选型模式下，就可以得到满意的结果。对于专业分析师来说，可以通过专家调整模型的方式调整模型中的相应参数，衍生出很多不同的模型，生成更理想的模型。模型。专家诊断模型让笔者体验了使用AOSP-SM方法进行数据挖掘的魅力，也通过实际操作感受了软件工具的人性化和强大功能。相信看完详细的步骤，你不仅能学会数据挖掘的实际操作，还能体会到专家作者十多年数据挖掘建模的心得体会，学以致用，将这些实用的技术运用起来日常工作中的方法！
