全部商品分类
为了有效处理基因表达数据,本书从数据集和分类器两个方向入手进行讨论。在数据集方面,采用不同算法进行特征选择,选择与分类目标密切相关的基因提高分类器模型的泛化性能。在分类器方面构建训练集,利用集成方法提高旋转森林的分类精度和稳定性:利用改进后的粒子群算法优化核超限学习机的内权参数,提高分类器的分类精度:根据输出不一致测度,进行相异性集成,提高分类模型的分类精度和稳定性:通过在超限学习机模型中嵌入误分代价因素,实现对肿瘤的代价敏感分类。本书从机器学习的视角,提出了若干前沿的特征选择与分类算法,为后续基因表达数据识别的相关研究奠定了基础。
样章试读
- 暂时还没有任何用户评论
全部咨询(共0条问答)
- 暂时还没有任何用户咨询内容