随机森林:一种重要的肿瘤特征基因选择法

• 作者: 李建更 高志坤
• 来源期刊: 生物物理学报
• 学科: 工学
• 关键词: 肿瘤 特征选择 随机森林 SAM ReliefF
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 生物信息学
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP391
• 语种: 中文

摘要

特征选择技术已经被广泛地应用于生物信息学科,随机森林(random forests,RF)是其中一种重要的特征选择方法.利用Rf对胃癌,结肠癌和肺癌等5组基因表达谱数据进行特征基因选择,将选择结果与支持向量机(support vector machine,SVM)结合对原数据集分类,并对特征基因选择及分类结果进行初步的分析.同时使用微阵列显著性分析(significant analysis of microarray,SAM)和ReliefF法与RF比较,结果显示随机森林选择的特征基因包含更多分类信息,分类准确率更高.结合该方法自身具有的分类方面的诸多优势,随机森林可以作为一种可靠的基因表达谱数据分析手段被广泛使用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建更		44	345	9.0	17.0
2	高志坤		4	42	3.0	4.0