中国卫生统计
中國衛生統計
중국위생통계
CHINESE JOURNAL OF HEALTH STATISTICS
2013年
3期
323-326
,共4页
章光明%刘晋%贾慧珣%李康
章光明%劉晉%賈慧珣%李康
장광명%류진%가혜순%리강
随机梯度boosting%代谢组学%分类判别%特征筛选
隨機梯度boosting%代謝組學%分類判彆%特徵篩選
수궤제도boosting%대사조학%분류판별%특정사선
Stochastic gradient boosting%Metabolomics%Classification%Feature selection
目的 探讨随机梯度boosting算法(SGB)对代谢组学数据分类判别和代谢物筛选的效果.方法 每一次迭代均根据损失函数最小化原则得出“伪残差”,并用最小二乘法对其构建基础分类器(决策树),最终组合各分类器形成随机梯度boosting模型.通过模拟实验和真实代谢组学数据的分析,与Adaboost、RF、SVM三种算法进行比较.结果 无论是在模拟条件下还是真实数据中,随机梯度boosting算法的分类准确性都优于其他三种算法.算法可评价各代谢物重要性,有效地筛选出部分代谢物.结论 随机梯度boosting算法适用于代谢组学数据研究,对疾病早期诊断、治疗和预后具有重要价值,值得进一步研究和探索.
目的 探討隨機梯度boosting算法(SGB)對代謝組學數據分類判彆和代謝物篩選的效果.方法 每一次迭代均根據損失函數最小化原則得齣“偽殘差”,併用最小二乘法對其構建基礎分類器(決策樹),最終組閤各分類器形成隨機梯度boosting模型.通過模擬實驗和真實代謝組學數據的分析,與Adaboost、RF、SVM三種算法進行比較.結果 無論是在模擬條件下還是真實數據中,隨機梯度boosting算法的分類準確性都優于其他三種算法.算法可評價各代謝物重要性,有效地篩選齣部分代謝物.結論 隨機梯度boosting算法適用于代謝組學數據研究,對疾病早期診斷、治療和預後具有重要價值,值得進一步研究和探索.
목적 탐토수궤제도boosting산법(SGB)대대사조학수거분류판별화대사물사선적효과.방법 매일차질대균근거손실함수최소화원칙득출“위잔차”,병용최소이승법대기구건기출분류기(결책수),최종조합각분류기형성수궤제도boosting모형.통과모의실험화진실대사조학수거적분석,여Adaboost、RF、SVM삼충산법진행비교.결과 무론시재모의조건하환시진실수거중,수궤제도boosting산법적분류준학성도우우기타삼충산법.산법가평개각대사물중요성,유효지사선출부분대사물.결론 수궤제도boosting산법괄용우대사조학수거연구,대질병조기진단、치료화예후구유중요개치,치득진일보연구화탐색.
