安德烈亚斯·勒哈；克劳斯·荣格；蒂姆·贝·巴思 有序反应结构在高维表达数据分类中的应用。 （英语） Zbl 1281.92032号 Beißbarth，Tim（ed.）等人，2013年德国生物信息学会议，GCB’13，德国哥廷根，2013年9月10日至13日。根据会议上的陈述选择的论文。Wadern:Schloss Dagstuhl–Leibniz Zentrum für Informatik出版社（ISBN 978-3-939897-59-0）。OASIcs–信息学中的OpenAccess系列34，90-100，仅限电子版（2013）。 摘要：基于高通量基因组数据的临床治疗结果的分子诊断或预测是机器学习技术在临床问题中的现代应用。在实践中，临床参数，如患者健康状况或对治疗的毒性反应，通常按顺序进行测量（例如，良好、一般、较差）。通常，顺序端点的预测被视为一个多类分类问题，而不考虑响应中包含的排序信息。这可能会导致预测精度下降。直接模拟顺序反应的经典方法，包括例如累积logit模型，通常不适用于高维数据。我们提出了层次二分法（hi2），这是一种将高维数据分类为有序类别的新算法。hi2结合了易于理解的二进制分类和顺序响应预测的能力。对现实数据和模拟数据的几种有序分类方法进行了比较，结果表明，专门用于处理有序类别的分类算法无法改进最新的非有序分类算法。通常，算法的分类性能取决于其处理高维数据的能力。只有hi2在中等影响的情况下表现优于其竞争对手。关于整个系列，请参见[Zbl 1279.92004号]. 引用于2文件 MSC公司： 92 C50 医疗应用（一般） 68T05型 人工智能中的学习和自适应系统 关键词：分类；高维数据；顺序反应；表达式数据 软件：rpartScore评分 PDF格式BibTeX公司 XML格式引用 \textit{A.Leha}等人，OASIcs--OpenAccess服务器。通知。34、90-100（2013；Zbl 1281.92032） 全文： 内政部