×

兹马思-数学第一资源

多损失超回归学习者(MSRL)及其在生存预测中的应用。(英语) Zbl公司 1306.65132
摘要:尽管多年来人们提出了许多回归技术来处理大量的回归变量,但由于最近的高通量实验中出现的数据的复杂性,任何一种技术都不可能成功地对所有数据类型进行建模。因此,能够处理高维回归变量的现代回归技术集合中的多元回归算法应被用于分析此类数据。提出了一种新的建立超回归学习者的方法,该方法可以与训练数据集相适应,以便对未来的结果进行预测。所得到的超回归模型本质上是多目标的,并且模拟了最佳成分回归模型的性能,而不考虑数据类型。这是通过组合基于bootstrap的风险计算、秩聚合和叠加的元素来实现的。通过在质谱数据上的应用,证明了这种方法的实用性。
理学硕士:
65立方英尺 统计计算问题(MSC2010)
68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 巴伦,A;Roussas,G(ed.),复杂性正则化及其在人工神经网络中的应用,561-576,(1991),多德雷赫特·Zbl公司 739.62001
[2] 1996年的Bagging预测。马赫学习24:123-140·Zbl公司 858.68080
[3] Breiman L(1996a)叠加回归。马赫学习24:49-64·Zbl公司 849.68104
[4] 布雷曼,L,随机森林,马赫学习,45,5-32,(2001)·Zbl公司 1007.68152
[5] 钱德拉,A;姚,X,进化的学习机器的混合集成,更好的泛化,神经计算,69686-700,(2006)
[六] 切尔卡斯基,V;M云倩,支持向量机回归参数的实际选择与噪声估计,神经网络,17,113-126,(2004)·Zbl公司 1075.68632
[7] 春,H;张国荣,等,同时降维和变量选择的稀疏偏最小二乘回归,J R Stat Soc Ser B,72,3-25,(2010)·Zbl公司 1411.62184
[8] Chung D,Chun H,Keles S(2012)spls:稀疏偏最小二乘回归与分类。R程序包版本2.1-2·Zbl公司 1075.68632
[9] 库姆斯,韩国;库曼,吉咪;巴格利,卡;莫里斯,JS;小林,R,通过模拟理解质谱数据的特征,癌症Inf,1,41-52,(2005)
[10] 科尔特斯,C;Vapnik,V.支持向量网络,Mach Learn,2073-297,(1995年)·Zbl公司 831.68098
[11] 达塔,S;皮赫尔,V;Datta,S,一种基于bagging和秩聚合的自适应最优集成分类器及其在高维数据中的应用,BMC Bioinf,11427,(2010)
[12] 博克,千瓦;粗麦粉,K;Poel,D,基于广义加性模型的集成分类,计算机统计数据分析,541535-1546,(2010)·Zbl公司 1284.62368
[13] Dietherich,TG,构建决策树集合的三种方法的实验比较:装袋,提升和随机化,Mach Learn,40,139-157,(2000)
[14] Dimitriadou E,Hornik K,Leisch F,Meyer D,Weingessel A(2011)e1071:统计部的其他职能(e1071),TU Wien。R程序包版本1.6
[15] 埃夫隆,B;黑斯蒂,T;约翰斯顿,我;Tibshirani,R,最小角度回归,Ann Stat,32494-499,(2004)·Zbl公司 1091.62054
[16] 弗伦德,Y;谢皮雷,RE,在线学习的决策理论概括及其在boosting中的应用,计算机系统科学杂志,55119-139,(1997)·Zbl公司 880.68103
[17] Goldenberg DE(1989)遗传算法在搜索,优化和机器学习。艾迪生·韦斯利,雷丁
[18] 锄地,JA;麦迪根,D;Raftery,青铜币;沃林斯基,CT,贝叶斯模型平均:教程,统计科学,14382-401,(1999)·Zbl公司 1059.62525
[19] 孔E,Dieterich TG(1995)纠错输出编码校正偏差和方差。在第十二届机器学习国际会议上,加利福尼亚州旧金山,第313-321页
[20] Kuhn M(2012)caret:分类和回归训练。R包版本2.10
[21] Mevik B-H,Wehrens R,Liland KH(2011)pls:偏最小二乘和主成分回归。R包版本2.3-0
[22] Monteith K,Carroll J,Seppi K,Martinez T(2011)将贝叶斯模型平均化为贝叶斯模型组合。国际神经网络联席会议论文集IJCNN'11,IEEE出版社,第2657-2663页·Zbl公司 1284.62368
[23] 莫里斯,JS;库姆斯,韩国;库曼,J;巴格利,卡;Kobayashi,R.使用平均光谱对生物医学应用中质谱的特征提取和量化,生物信息学,211764-1775,(2005)
[24] 莫斯塔贾比,F;达塔,S;使用Simul-T质谱法预测患者生存率的经验数据,Comut-48,2013年·Zbl公司 1433.62312
[25] 恩杜库姆,J;阿特拉斯,M;Datta,S,Pkdaclass:用于分析MALDI-TOF数据的开源软件,生物信息,6,45-47,(2011)
[26] 皮赫尔,V;达塔,S;Datta,S,聚类验证度量的加权秩聚集:蒙特卡罗交叉熵方法,生物信息学,231607-1615,(2007)
[27] 皮赫尔,V;达塔,S;Datta,S,Rankaggreg,加权秩聚合的R包,BMC Bioinf,10427,(2009)
[28] 罗西帕尔;克莱默,N;桑德斯,C(编辑);格罗贝尔尼克,医学硕士(编辑);冈恩,J(编辑);Shawe Taylor,J(编辑),《偏最小二乘法的概述与最新进展》,34-51,(2006),纽约
[29] Rubinstein,RY,具有罕见事件的计算机模拟模型优化,欧洲操作研究杂志,99,89-112,(1997)·Zbl公司 923.90051
[30] 席勒,JH;哈灵顿,D;伯拉尼,CP;兰格,C;桑德勒,A;克罗克,J;朱杰;中华民国八十七年,中华民国八十二年,中华民国八十七年,中华民国八十七年
[31] 斯密特,EF;米尔贝克,帕姆;利安,P;德布鲁恩,C;罗格朗,C;施拉姆,F;斯密特,H;等,两种以顺铂为基础的方案和紫杉醇加吉西他滨治疗晚期非小细胞肺癌的三臂随机研究:欧洲癌症研究与治疗组织(organization for research and treatment)肺癌组EORTC 08975的III期试验,临床肿瘤学杂志,213909-3917,(2003)
[32] Smola AJ,Scholkopf B(2003)支持向量回归教程。http://alex.smola.org/papers/2003/SmoSch03b
[33] Tibshirani,R.通过套索进行回归收缩和选择,J R Stat Soc B,58267-288,(1996)·Zbl公司 850.62538
[34] van der Laan M,Polley EC,Hubbard AE(2007)超级学习者。Stat Appl Genet分子生物学6:25
[35] Vapnik VN(1998)统计学习理论。威利,纽约·Zbl公司 935.62007
[36] Vapnik VN(1999)《统计学习理论的本质》,第二版。柏林斯普林格
[37] Venables WN,Ripley BD(2002)《现代应用统计学与S》,第4版。斯普林格,纽约·Zbl公司 1006.62003
[38] 沃特曼,J;Pham、电视;诺尔,JC;贾科内,G;Jimenez,CR,通过时间过程MALDI-TOF-MS血清肽谱分析预测非小细胞肺癌患者化疗和硼替佐米治疗的预后,蛋白质组科学,7,34,(2009)
[39] 怀特,H,人工神经网络学习:统计观点,神经计算,1425-464,(1989)
[40] 世界,H;Krishnaiah,PR(ed.),通过迭代最小二乘法估计主成分和相关模型,391-420,(1996),纽约
[41] 邹赫,黑斯汀T(2012)弹性网络:稀疏估计和稀疏主成分分析的弹性网络。R包版本1.1·Zbl公司 850.62538
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。