马库斯·鲁肖普特;沃尔夫冈·胡贝尔;安纳马里省普斯特卡;乌尔里希·曼斯曼 确保高维分类任务中计算再现性的概要。 (英语) Zbl 1082.92025 统计应用程序。遗传学。分子生物学。 3,第1号,第37条(2004年). 摘要:我们展示了一个概念和实施纲要,用于从微阵列基因表达谱中分类高维数据。简编是一种交互式文档,它将主要数据、统计处理方法、数字和派生数据与文本文档和结论捆绑在一起。交互性允许读者修改和扩展这些组件。我们解决了以下问题:分类器的区分能力在多大程度上取决于用于识别它的算法的选择;同样可以使用哪些替代分类器;结果有多稳健。这些问题的答案是分类器验证和生物解释的基本前提。我们通过研究这些问题来展示如何使用这种方法,这些问题是针对一个特定的乳腺癌微阵列数据集,该数据集首先由E.黄等【“乳腺癌预后的基因表达预测因子”,《柳叶刀》361,第9369期,1590–1596页(2003;doi:10.1016/S0140-6736(03)13308-9)]. 引用于三文件 MSC公司: 92 C50 医疗应用(通用) 62H30型 分类和区分;聚类分析(统计方面) 92C40型 生物化学、分子生物学 62页第10页 统计学在生物学和医学中的应用;元分析 软件:Sweave公司;R彩色啤酒;e1071号 PDF格式BibTeX公司 XML格式引用 \textit{M.Ruschhaupt}等人,Stat.Appl。遗传学。分子生物学。3,第1号,第37条(2004;Zbl 1082.92025) 全文: 内政部 链接