选择正确的技术从症状中预测疾病

我正在尝试为用户输入一些症状的系统提出正确的算法，并且系统必须预测或确定一些选定症状与系统中现有症状相关联的可能性。然后，在将它们关联之后，结果或输出应该是针对症状的特定疾病。

该系统由一系列疾病组成，每种疾病都有特定的症状，该症状也存在于系统中。

假设用户输入了以下输入：

A, B, C, and D

系统应该做的第一件事是检查每个症状（在这种情况下用字母表示）并将其与已经存在的症状的数据表关联起来。并且在不存在输入的情况下，系统应报告或发送有关该输入的反馈。

而且，我们假设它A and B在数据表中，因此我们100％确保其有效或存在，并且系统能够根据输入来确定疾病。然后让我们说，输入现在是C and D哪里C在数据表中不存在，但有一个可能性D存在。

我们D的得分不是100％，但是可能更低（比如说90％）。那么C在数据表中根本就不存在。因此，C得分为0％。

因此，系统应具有某种关联和预测技术或规则，以通过判断用户的输入来输出结果。

生成输出的摘要：

If A and B were entered and exist, then output = 100%
If D was entered and existed but C was not, then output = 90%
If all entered don't exist, then output = 0%

将使用什么技术来生产该系统？

我认为您遇到的问题有点不对劲...您实际上在谈论的是信念网络。

您可能想研究现有的贝叶斯学习技术来解决这个问题，但是信念网络通常会使用您正在谈论的确切场景；使用一组已知（或不确定的事实）陈述来产生特定输出的某些推断概率。

甚至，他们经常通过教程中基于疾病症状的示例来表达这一点！试试这里。

我的观点是，最好使用信念网络，因为理论基础已经为您所用，而不是ANN。