BriefGPT - AI 论文速递
·
基于鲁棒加权评分的特征选择方法用于高维二元类不平衡基因表达数据
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种适用于高维基因表达二分类的鲁棒加权评分方法（ROWSU），通过解决类分布不平衡问题，提高分类算法性能。该方法优于k最近邻和随机森林分类器的特征选择算法。
🎯
关键要点
- 该研究提出了一种鲁棒加权评分方法（ROWSU），适用于高维基因表达二分类。
- ROWSU 解决了基因表达数据集中类分布不平衡的问题。
- 该方法通过平衡训练数据集和贪心搜索选择最小基因子集来提高分类算法性能。
- 引入支持向量计算权重的新型鲁棒评分方法，确保选择出最具辨识性的基因。
- 实验证明，ROWSU 在三种分类性能评估指标下优于基于 k 最近邻（kNN）和随机森林（RF）分类器的特征选择算法。
➡️
