def get_disease(kb=KB()):
""" Returns all diseases true in the KB fixed point, starting from the symptoms true """
fp = fixed_point(kb) # punto fisso della kb
atoms = {c.head
for c in kb.clauses
if c.isAtom()} # nessuno degli atomi è una malattia
return list(fp.difference(atoms))
def get_prob(disease, kb=KB()):
"""Returns the probability of a disease to be true on a pre-condition:
the disease must have an associate clausole with a non-null body"""
allSym = len({c.head
for c in kb.clauses
if c.isAtom()}) # prendo il numero dei sintomi che sono veri
for c in kb.clauses: # cerco la malattia
if c.head == disease:
return len(
c.body
) / allSym # restituisco il numero di sintomi che ha su tutti quelli veri
def get_prob_model(kb=KB()):
"""Returns a list of ProbItems obj which stands for a probabilistic model with the probability of the patient
to have that specific disease. If there are no disease returns empty."""
disease = get_disease(
kb) # prendo le malattie vere dalla base di conoscenza
if len(disease) == 0:
return [] # non ci sono malattie vere
model = [
] # variabile modello con il ranking delle probabilità di ogni malattia
for d in disease:
model.append(ProbItem(d, get_prob(
d, kb))) # appendo un oggetto di tipo ProbItem al modello
sumProb = sum(
item.prob
for item in model) # somma delle probabilità (per somma totale = 1)
for item in model:
item.prob = item.prob / sumProb # sostituzione probabilità ricalcolata
model.sort(reverse=True)
return model
def __init__(self, statements):
self.assumables = [
c.atom for c in statements if isinstance(c, Assumable)
]
KB.__init__(self, statements)