APP下载

高维组学数据的变量筛选方法及其应用*

2016-12-26谢宏宇张晓凤

中国卫生统计 2016年3期
关键词:分类方法模型

侯 艳 谢宏宇 张晓凤 李 康△

·方法介绍·

高维组学数据的变量筛选方法及其应用*

侯 艳1,2谢宏宇1张晓凤1李 康1△

随着生物检测技术的不断发展,实际中可以获得基因组、蛋白质组和代谢组等各种来源的高维组学数据,如何从海量数据中准确选择与疾病有关的特征变量,从而构建准确的预测模型一直是国内外的研究热点。变量筛选问题可归结为从一组检测数据Χ=(Χ1,Χ2,…,Χm)中筛选出对分类/预测有区分作用的“最优”子集Χsub。目前高维组学变量筛选方法主要有传统的统计学方法和机器学习方法,前者主要分为参数和非参数方法两类,这部分主要是基于概率分布的统计推断;后者主要包括有监督学习(supervised learning)和无监督学习(unsupervised learning)算法,其主要差别为在训练集中是否用到分组信息。本文主要针对常见的单变量筛选方法和多变量有监督学习的变量筛选方法做一介绍。

过滤式变量筛选方法

过滤式变量筛选方法(filtermethods)是指通过观察到的原始数据,计算变量与疾病之间的相关性指标(如t值,P值等),并通过设定阈值选择特征变量,去除相关性较弱或组间差异不大的变量,从而直接得出与疾病具有一定关联性的特征变量的一类方法。由于这类筛选方法独立于判别模型(分类器),因此通过这类方法选择出来的特征变量可以用于评价不同判别(预测)模型的效果。过滤式方法的优点是计算简单、能够快速地降维,并且不依赖特定的判别模型;缺点主要是忽略了特征变量之间可能存在的相关关系,因此在与其他类型变量选择方法相比较时,分类效果并不理想。……

登录APP查看全文

猜你喜欢

分类方法模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼