BART-BMA公司

使用贝叶斯模型平均的贝叶斯加性回归树。贝叶斯加性回归树(BART)是一种统计树和模型。它可以看作是机器学习树集成方法的贝叶斯版本,其中单个树是基础学习者。然而,对于变量数p较大的数据集,该算法可能会变得效率低下和计算开销。另一种在高维数据中很流行的方法是随机森林,这是一种机器学习算法,它通过贪婪地搜索最佳分割点来生长树。但是,它的默认实现不会产生概率估计或预测。我们提出了一种新的BART拟合算法BART-BMA,该算法利用贝叶斯模型平均和贪婪搜索算法来获得比BART更有效的后验分布,该算法综合了BART和随机森林的元素,提供了一种基于模型的高维数据处理算法。我们发现,BART-BMA可以在一个合理的时间内在标准笔记本电脑上运行,这在生物信息学的许多领域都很常见。我们用模拟数据和来自两个真实蛋白质组学实验的数据来展示这种方法,一个用于区分心血管疾病患者和对照组,另一个用于区分侵袭性和非侵袭性前列腺癌。我们把我们的结果与他们的主要竞争对手进行比较。可以在https://bartgat-rcgit.com上找到hergit-rcz和Open-bartta-hub。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换