論文の概要: Multivariate feature ranking of gene expression data

• arxiv url: http://arxiv.org/abs/2111.02357v1
• Date: Wed, 3 Nov 2021 17:19:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-04 12:42:26.342873
• Title: Multivariate feature ranking of gene expression data
• Title（参考訳）: 遺伝子発現データの多変量特徴ランキング
• Authors: Fernando Jim\'enez and Gracia S\'anchez Jos\'e Palma and Luis Miralles-Pechu\'an and Juan Bot\'ia
• Abstract要約: ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。 提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Gene expression datasets are usually of high dimensionality and therefore require efficient and effective methods for identifying the relative importance of their attributes. Due to the huge size of the search space of the possible solutions, the attribute subset evaluation feature selection methods tend to be not applicable, so in these scenarios feature ranking methods are used. Most of the feature ranking methods described in the literature are univariate methods, so they do not detect interactions between factors. In this paper we propose two new multivariate feature ranking methods based on pairwise correlation and pairwise consistency, which we have applied in three gene expression classification problems. We statistically prove that the proposed methods outperform the state of the art feature ranking methods Clustering Variation, Chi Squared, Correlation, Information Gain, ReliefF and Significance, as well as feature selection methods of attribute subset evaluation based on correlation and consistency with multi-objective evolutionary search strategy.
• Abstract（参考訳）: 遺伝子発現データセットは通常高次元であるため、属性の相対的重要性を特定するための効率的かつ効果的な方法が必要である。 可能な解の検索空間が巨大であるため、属性サブセット評価特徴選択手法は適用できない傾向があるため、これらのシナリオでは特徴ランク付け手法が用いられる。 文献に記載されている特徴ランキング法のほとんどは単変量法であるため,因子間の相互作用は検出されない。 本稿では,3つの遺伝子発現分類問題に適用した,ペアワイズ相関とペアワイズ一貫性に基づく2つの新しい多変量特徴ランキング手法を提案する。 提案手法が,多目的進化的探索戦略との相関と一貫性に基づく属性集合評価の特徴選択手法と同様に,特徴分類手法のクラスタリング変動,chi二乗法,相関法,情報ゲイン法,レリーフ法,重要度を上回っていることを統計的に証明した。

関連論文リスト

• Supervised Pattern Recognition Involving Skewed Feature Densities [49.48516314472825]
  一致する類似度指数に基づくユークリッド距離の分類ポテンシャルと相似性指数を比較する。 隣接する2つの群の密度間の交点を分類する精度を考慮する。
  論文  参考訳（メタデータ） (2024-09-02T12:45:18Z)
• Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
  本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。 提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
  論文  参考訳（メタデータ） (2024-03-06T16:31:56Z)
• Feature Selection via Robust Weighted Score for High Dimensional Binary Class-Imbalanced Gene Expression Data [1.2891210250935148]
  非平衡データに対する頑健な重み付けスコア (ROWSU) は, クラス不均衡問題を用いた高次元遺伝子発現二項分類における最も識別性の高い特徴を選択するために提案される。 ROWSU法の性能を6ドルの遺伝子発現データセットで評価した。
  論文  参考訳（メタデータ） (2024-01-23T11:22:03Z)
• Convolutional autoencoder-based multimodal one-class classification [80.52334952912808]
  1クラス分類は、単一のクラスからのデータを用いた学習のアプローチを指す。 マルチモーダルデータに適した深層学習一クラス分類法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T12:31:18Z)
• On the utility of power spectral techniques with feature selection techniques for effective mental task classification in noninvasive BCI [19.19039983741124]
  本稿では,メンタルタスク分類において,関連性および非関連性のあるスペクトル特徴を選択する手法を提案する。 その結果,メンタルタスク分類のための学習モデルの性能は大幅に向上した。
  論文  参考訳（メタデータ） (2021-11-16T00:27:53Z)
• An Evolutionary Correlation-aware Feature Selection Method for Classification Problems [3.2550305883611244]
  本稿では,3つの目標を達成するために分布推定アルゴリズムを提案する。 第一に、EDAの拡張として、適合度関数に基づいて競合する各イテレーションにおいて、提案手法は2つの個人しか生成しない。 第二に、各イテレーションにおける個人の機能数を決定するためのガイド技術を提供する。 本論文の主な貢献として,各特徴の重要さだけでなく,特徴間の相互作用についても考察できる。
  論文  参考訳（メタデータ） (2021-10-16T20:20:43Z)
• Discriminative Attribution from Counterfactuals [64.94009515033984]
  本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。 本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-28T00:53:34Z)
• A Novel Community Detection Based Genetic Algorithm for Feature Selection [3.8848561367220276]
  著者らは3つのステップで機能するコミュニティ検出に基づく遺伝的アルゴリズムを提案する。 提案手法の性能から,9つのベンチマーク分類問題を解析した。
  論文  参考訳（メタデータ） (2020-08-08T15:39:30Z)
• Deep Learning feature selection to unhide demographic recommender systems factors [63.732639864601914]
  行列分解モデルは意味的知識を含まない因子を生成する。 DeepUnHideは、協調フィルタリングレコメンデータシステムにおいて、ユーザとアイテムファクタから、人口統計情報を抽出することができる。
  論文  参考訳（メタデータ） (2020-06-17T17:36:48Z)
• On-the-Fly Joint Feature Selection and Classification [16.84451472788859]
  本稿では,共同で特徴選択と分類を行うためのフレームワークを提案する。 我々は、関連する最適化問題の最適解を導出し、その構造を解析する。 提案アルゴリズムの性能を複数の公開データセット上で評価する。
  論文  参考訳（メタデータ） (2020-04-21T19:19:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。