Ressources
-
Tutoriels
- Présentation générale de BayesiaLab
- Introduction aux réseaux Bayésiens
- Outils d'analyse
- Apprentissage des réseaux bayésiens
- Aide à la décision
- Réseaux bayésiens dynamiques et apprentissage de politiques d'actions
- Modalités filtrées
- Equations structurelles probabilistes
- Environnement de recueil d'expertise de BayesiaLab
- Probabilistic Latent Factor Induction
- Célèbres paradoxes et raisonnements fallacieux revisités avec les réseaux Bayésiens
- Inférence Causale et Effets Directs
- Imputation des valeurs manquantes
- Analyse de facteurs et optimisation de produit
- Apprentissage supervisé et non supervisé avec BayesiaLab
- Modélisation du choix d'un véhicule et estimation de parts de marché
-
Manuel utilisateur de BayesiaLab
-
Spécifications Techniques de BayesiaLab
-
Etudes de cas
- Microarray analysis
- Breast Cancer Diagnostics
- Optimisation de la production par analyse du rex
- Coupe du monde de football 2010
- Questionnaires de satisfaction
- Mise en oeuvre d'un score bayésien
- Analyse des intubations difficiles
- Analyse trajectoires de santé
- Analyse du transcriptome
- Caractérisation de clients
- Systèmes dynamiques
- Analyse du risque et politique de sécurité
- Text mining : identification de noms de sociétés
- Segmentation des consommateurs
- Identification de leviers d'appréciation de parfums
- Détection de salmonelles
- Modélisation des préférences des consommateurs
- Analyse politique
- Analyse sensorielle de parfums
- Analyse de la satisfaction du personnel
www.bayesia.com n'est pas optimisé pour votre navigateur (Internet Explorer 6).
Nous vous suggérons de passer à IE 7 ou Firefox pour une meilleure navigation.
Nous vous suggérons de passer à IE 7 ou Firefox pour une meilleure navigation.
Analyse des intubations difficiles
La prédiction des intubations difficiles est cruciale pendant l'évaluation du patient avant l'anesthésie. Plusieurs critères sont utilisés pour prédire les intubations difficiles avec des performances différentes. Cette étude de cas démontre comment l'analyse de données d'intubations difficiles avec BayesiaLab a permis de découvrir rapidement des relations probabilistes inconnues entre les variables et d'améliorer la prédiction.
Télécharger l'article