boosting方法在基因微陣列數(shù)據(jù)判別分析中的應(yīng)用

《boosting方法在基因微陣列數(shù)據(jù)判別分析中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)UDCl密級(jí)南京醫(yī)科大學(xué)學(xué)位論文指導(dǎo)教師睦縫披拉直塞醫(yī)整太堂公基衛(wèi)生堂吐申請(qǐng)學(xué)位級(jí)別塑±專業(yè)名辣速釜痘盞衛(wèi)生統(tǒng)!土堂論文提交日期2QQ§生!目論文答辯日期2QQ§生§月答辯委員會(huì)主席評(píng)閱人——二00六年四月二十八日南京醫(yī)科大學(xué)碩士學(xué)位論文Boosting方法在基因微陣列數(shù)據(jù)判別分析中的應(yīng)用研究生：富春楓導(dǎo)師：陳峰教授摘要基于高通量的“微陣列(Microa玎ay)”技術(shù)的迅速發(fā)展，給統(tǒng)計(jì)學(xué)專業(yè)人員提供了大量的微陣列數(shù)據(jù)。這類‘‘，J、樣本、高維度”的資料(塒>>門)，給傳統(tǒng)的分類判別方法帶來(lái)了前所

2、未有的挑戰(zhàn)，Boosting方法作為集成算法中的一員，一直以其“完美”的分類能力吸引著眾多的研究者和應(yīng)用者。本研究在系統(tǒng)介紹了Boosting的基本思想，以及它的兩種算法——AdaBoost和Lo西tBoost的基本過程的基礎(chǔ)上，采用這兩種Boosting算法對(duì)模擬數(shù)據(jù)和維度較低的資料建立判別預(yù)測(cè)模型，并與另兩種集成算法(Bagging和Random-Forest)和三種傳統(tǒng)判別分析方法(Fisher’s線性判別、Fisher’s二次判別和logistic回歸判別)的預(yù)測(cè)效果進(jìn)行了比較。本研究根據(jù)基因

3、微陣列數(shù)據(jù)的特殊性，對(duì)兩個(gè)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)——白血病數(shù)據(jù)和乳腺癌數(shù)據(jù)進(jìn)行了分析，思路如下：(1)使用FDR控制程序校正P值，以尸如．05或尸如．叭為標(biāo)準(zhǔn)篩選基因變量，使得維度小于樣本含量，建立判別預(yù)測(cè)模型，將Boosting方法與兩種集成算法和三種傳統(tǒng)的方法相比較；(2)按照P值的排序選擇不同數(shù)目的基因預(yù)測(cè)變量，分別建立判別預(yù)測(cè)模型，考察Boosting的相對(duì)優(yōu)勢(shì)(包括預(yù)測(cè)精度和敏感性)；(3)提取主成分，作主成分判別分析，考察Boosting方法的優(yōu)勢(shì)。以上均用交叉驗(yàn)證思路考察模型的預(yù)測(cè)效果和預(yù)測(cè)結(jié)果的穩(wěn)

4、定性。本研究主要結(jié)論：1．Boosting的總體預(yù)測(cè)效果普遍優(yōu)于Bagging、Random-ForeSt以及傳統(tǒng)的南京醫(yī)科大學(xué)碩士學(xué)位論文判別分析方法，在高維的基因微陣列數(shù)據(jù)的判別分類中優(yōu)勢(shì)明顯，且在維度較低的資料中同樣具有一定優(yōu)勢(shì)。2．當(dāng)各預(yù)測(cè)變量之間具有高度相關(guān)性時(shí)，Boosting判別的預(yù)測(cè)效果優(yōu)于Bagging、RaIldom-Forest以及傳統(tǒng)的判別分析方法。3．以決策樹為基礎(chǔ)分類器的Logi忸oost判別可以處理帶有缺失值數(shù)據(jù)的資料，使判別效果更優(yōu)。4．Lo西tBoost判別在得到較優(yōu)

5、的預(yù)測(cè)效果的同時(shí)還可進(jìn)行多因素的分析和變量的篩選。5．在基因微陣列數(shù)據(jù)的判別分析中，Boosting對(duì)于預(yù)測(cè)變量的個(gè)數(shù)并不十分敏感，即其預(yù)測(cè)效果不會(huì)根據(jù)預(yù)測(cè)變量的個(gè)數(shù)發(fā)生明顯的變化。迭代次數(shù)在50～100輪左右即可達(dá)到較優(yōu)的預(yù)測(cè)效果。6．AdaBoost和LogitBoost兩種算法相對(duì)優(yōu)勢(shì)并不明顯，在處理低維數(shù)據(jù)Logimoost較AdaBoo耐蜀有優(yōu)勢(shì)；AdaBoost達(dá)到較優(yōu)的預(yù)測(cè)效果所需的迭代次數(shù)通常比LogitBoost多；LogitBoost的預(yù)測(cè)精度隨迭代次數(shù)的增加呈現(xiàn)了較明顯的先升高再

6、降低的趨勢(shì)，而AdaBoost的這種趨勢(shì)并不明顯，有時(shí)在降低后會(huì)再有一個(gè)較高的上升。根據(jù)本研究的結(jié)果，初步提出基因微陣列數(shù)據(jù)判別分析的策略：(a)選維：以FDR多重比較控制程序篩選基因，使得到的數(shù)據(jù)庫(kù)的維度小于樣本含量；(b)進(jìn)一步降雛：對(duì)此數(shù)據(jù)集提取主成分；(c)建模：以主成分作為新的預(yù)測(cè)變量，周B00sting判別方法建立判別模型，進(jìn)行預(yù)測(cè)。關(guān)鍵詞：BooStingAdaBoostL09itBoost判別分析基因微陣列數(shù)據(jù)預(yù)測(cè)交叉驗(yàn)證南京醫(yī)科大學(xué)碩士學(xué)位論文BoostinganditsApplic

7、ationinDiscriminantAnalysisofMicroarrayDataPostgraduate：∞甜咖醒砌AdVisorPmfessor：凡餾C鋤硎AbstractWiththerapiddeVelopmentofMicroarraytechnologiesbaseonhi曲throughputscreening，massesofdataemergeandchaIlengethesIatisticiansbecauseofthefeatllreof“smallsample麗thhi曲d

8、imensiomlhy“．TheBoostingalgorithm，aSoneoftheensembleIIletllOds，fascinatesmanyrcsearcherswithitsnearly’’perfect”classificationcapacity．Inthisresearch，wefirstintroducedtheideaofBoosting，describedtwo如nd砌entalprocedures，AdaBoostandLo