1、数据挖掘：从多媒体数据中提取价值

数据挖掘：从多媒体数据中提取价值

1 引言

在我们的生活中，新现象不断涌现。有时，我们需要花费数年时间手动构建一个模型来描述观察到的现象，并预测新事件。但更多时候，我们迫切需要这样的模型，却没有足够的时间去开发。以医学领域为例，我们希望了解如何治疗某种疾病，让患者尽快康复。

1993 年，我们开始将数据挖掘应用于体外受精疗法（IVF 疗法）这一医学问题。当时，IVF 疗法虽已使用十余年，但医生们仍未建立起关于该疗法功能和效果的清晰模型，主要原因在于生物、临床和医学事实之间的复杂关联。于是，医生们建立了一个数据库，记录患者的各项诊断参数和临床信息，包括超声图像中的卵泡数量和大小、临床数据以及激素数据。

我们使用决策树归纳法对这些数据进行分析，得到了一个决策树，展示了 IVF 疗法的有用决策规则。这个决策树对医生有两个重要作用：
1. 探索功能 ：学习到的规则帮助专家更好地理解疗法的效果。决策树将知识明确呈现，专家可以通过追踪每条路径来理解规则。当专家在所有规则中发现一些自己过去已经总结出的规则时，对这些知识的信任度会提高，这也为他们思考 IVF 疗法的效果以及获取患者新的必要信息提供了新的动力，有助于提高疗法的成功率。
2. 预测功能 ：经过一些实验，我们为 IVF 疗法的一个子诊断任务——过度刺激综合征的诊断建立了一个良好的模型。医生可以使用这个模型来预测新患者是否会出现过度刺激综合征。

不过，我们的实验也表明，目前的诊断测量还不足以全面描述整个 IVF 过程。但这些结果仍足以引发新的讨论，并为疗法的改进提供新的思路。

这个应用遵循了理论形成的经