ISSN: 2169-0111
Nianfeng Song, Kun Wang, Menglu Xu, Xiaolu Xie, Gan Chen and Ying Wang
Уровни экспрессии генов важны для таких заболеваний, как диагностика рака. В этой статье предлагается ансамблевый классификатор на основе SVM для классификации контрольных и онкологических групп на основе уровней экспрессии генов из данных микрочипов. Комбинированное рекурсивное исключение признаков в сочетании с алгоритмом Adaboost было разработано для выбора значимых признаков и проектирования надлежащего классификатора. Метод применяется к данным микрочипов онкологических пациентов, и результаты показывают улучшение показателей успешности. Согласно расчету AUC, ансамблевый классификатор на основе SVM показывает преобладающую производительность. Кроме того, обсуждаются характеристики и различные проблемы влияния на производительность классификации. Если один SVM может получить удовлетворительную производительность классификации, ансамблевый SVM вряд ли способен ее улучшить. В противном случае ансамбль SVM превосходит лучший одиночный SVM. Мы также исследовали влияние функций ядра, выбора признаков и типа классификаторов на классификацию.