基因

GeneSrF:随机森林的基因选择(v.20070524)。GeneSrF是一个在使用随机森林的分类问题中进行基因选择的web工具。有两种方法用于基因选择:一种是针对识别具有良好预测性能的小型、非冗余的基因集。第二种是一种更具启发性的图解法,可以用来识别与研究结果相关的大量基因(包括冗余基因)。本文详细描述了第一种方法。可从CRAN或此链接获得R代码包。有关详细信息,请参阅帮助。


zbMATH参考文献(参考 66篇文章 参考)

显示第1到第20个结果,共66个。
按年份排序(引用)
  1. Davis,Richard A.;Nielsen,Mikkel S.:使用随机森林建模时间序列:理论发展(2020)
  2. F、 Aragón-Royón,A.Jiménez-Vílchez,A.Arauzo Azofra,J.M.Benítez:FSinR:功能选择的详尽包(2020年)阿尔十四
  3. Ayyad,Sarah M.;Saleh,Ahmed I.;Labib,Labib M.:用于分类基因表达数据的新分布式特征选择技术(2019)
  4. Daniel Conn,Tuck Ngun,Gang Li,Christina M.Ramirez:模糊森林:扩展相关高维数据的随机森林特征选择(2019)不是zbMATH
  5. El Haouij,Neska;Poggi,Jean-Michel;Ghozi,Raja;Sevestre Ghalila,Sylvie;Jaïdane,Mériem:基于随机森林的驾驶员压力水平分类生理功能变量选择方法(2019年)
  6. Jain,Yashita;Ding,Shanshan;Qiu,Jing:多组分综合数据分析的切片逆回归(2019)
  7. Kim,Ilmun;Lee,Ann B.;Lei,Jing:通过回归进行的全球和本地两个样本检验(2019年)
  8. Wang,Ling;Zhou,东方;Tian,Hui;Zhang,Hao;Zhang,Wei:基于半监督算法的模拟电路参数故障诊断(2019)
  9. 于兴浩;肖立顺;曾,平;黄水平:整合外部通路信息对基因表达水平复杂表型的刀刀模型平均预测方法(2019)
  10. Duroux,Roxane;Scornet,Erwan:子采样和树木深度对随机森林的影响(2018年)
  11. Gilles Kratzer,Reinhard Furrer:varrank:基于观测系统数据集应用的相互信息的变量排序R包(2018)阿尔十四
  12. Hernández,Belinda;Raftery,Adrian E.;Pennington,Stephen R.;Parnell,Andrew C.:使用贝叶斯模型平均的贝叶斯加性回归树(2018)
  13. Janitza,Silke;Celik,Ender;Boulesteix,Anne Laure:高维数据随机森林的计算快速可变重要性测试(2018)
  14. Gregorutti,Baptiste;Michel,Bertrand;Saint Pierre,Philippe:随机森林中的相关性和变量重要性(2017)
  15. Tyralis,Hristos;Papacharalampous,乔治亚州:使用随机森林进行时间序列预测的变量选择(2017)
  16. Biau,Gérard;Scornet,Erwan:随机森林导游(2016)
  17. De Niz,Carlos;Rahman,Raziur;Zhao,Xiangyuan;Pal,Ranadip:药物敏感性预测算法(2016)
  18. Scornet,Erwan:关于随机森林的渐近性(2016)
  19. Xi,Maolong;Sun,Jun;Liu,Li;Fan,Fang Yun;Wu,Xiaojun:基于二进制量子行为粒子群优化和支持向量机的癌症特征选择与分类(2016)
  20. Booth,Ash;Gerding,Enrico;McGroaty,Frank:用于预测价格影响的随机森林绩效加权集合(2015)