主要内容
自科版推荐

基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例


发布者:tcl,发布时间:2018/9/13 22:19:37,阅读:


基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例

【作者】叶颀,林颖

【机构】 (华南师范大学数学科学学院, 广州 510631)

【摘要】针对高维癌症数据的特征构建稀疏化模型,分析了已有的稀疏化方法能够取得稀疏化结果的原因,以此为基础改进了使用LAZE先验的贝叶斯方法,得到了2个适用于癌症数据的新稀疏化方法(使用半混合先验的贝叶斯方法和使用完整LAZE先验的贝叶斯方法);并利用前列腺癌数据集对2个新稀疏化方法的可行性与有效性进行验证. 数值实验结果表明:与传统稀疏化方法相比较,新稀疏化方法不仅能够得到较好的稀疏效果,能够完全剔除与目标指标无关的临床指标,还能得到较低的误差.

【关键词】癌症数据; 机器学习; 稀疏模型; LAZE先验; MCMC方法

【DOI】10.6054/j.jscnun.2018089

【引用】叶颀,林颖.基于LAZE先验的机器学习方法在癌症数据上的应用——以前列腺癌数据集为例[J].华南师范大学学报(自然科学版),2018,50(4):115-120.

【Citation】YE Qi,LIN Ying.Application of Machine Learning Methods Based on LAZE Priors to Cancer Data——Take the Prostate Cancer Data Set for Example[J].Journal of South China Normal University (Natural Science Edition),2018,50(4):115-120.