36、微阵列分类中集水平技术的比较评估与基因网络模块线性判别分析

微阵列分类中集水平技术的比较评估与基因网络模块线性判别分析

一、集水平技术在微阵列分类中的比较评估

1.1 基因集方法组合的排名

在微阵列分类中，对基因集方法组合进行了评估。通过在 20 个数据集上使用 5 种机器学习算法，并通过 10 折交叉验证（即每行 1000 次实验）来估计中位预测准确性，得到了基因集方法组合的排名。以下是部分排名情况：
| Rank | Sets | Rank. algo | Aggrgt | Median | Avg | σ | Iqr |
| — | — | — | — | — | — | — | — |
| 1 | 1:10 | global | svd | 86.5 | 79.8 | 17.3 | 32.0 |
| 2 | 1:10 | global | avg | 86.0 | 79.4 | 17.8 | 30.5 |
| 3 | 1:10 | sam - gs | none | 83.8 | 78.3 | 18.5 | 35.1 |
| 4 | 1:10 | global | none | 83.7 | 77.7 | 18.5 | 34.7 |
| 5 | 1:10 | gsea | none | 82.8 | 77.7 | 18.8 | 34.8 |

从这个表格中我们可以看出，不同的基因集选择方法和表达聚合方法的组合，其预测准确性的中位值、平均值、标准差和四分位距都有所不同。例如，排名第一的组合使用了 1 到 10 的最高排名基因集，采用 global 选择方法和 svd 聚合方法，其中位预测准确性达到了 86.5。

1.2 集水平框架的优势 <