×

BART-BMA银行

swMATH ID: 23498
软件作者: 埃尔南德斯,贝琳达;阿德里安·拉弗瑞(Adrian E.Raftery)。;史蒂芬·彭宁顿(Stephen R.Pennington)。;安德鲁·帕内尔。
描述: 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)是一种树的统计和模型。它可以被认为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器。然而,对于变量数量p较大的数据集,该算法可能会变得效率低下且计算成本高昂。另一种在高维数据中流行的方法是随机森林,这是一种机器学习算法,它通过贪婪搜索最佳分割点来生成树。然而,其默认实现不会产生概率估计或预测。我们提出了一种用于BART的替代拟合算法BART-BMA,该算法使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,适用于大p值数据集。BART-BMA结合了BART和随机森林的元素,提供了一种基于模型的算法,可以处理高维数据。我们发现,BART-BMA可以在合理的时间内在标准笔记本电脑上运行,用于“小n大p”场景,这在生物信息学的许多领域都很常见。我们使用模拟数据和来自两个真实蛋白质组实验的数据展示了这种方法,一个用于区分心血管疾病患者和对照组,另一个用于分类侵袭性前列腺癌和非侵袭性前列腺癌症。我们将我们的结果与他们的主要竞争对手进行了比较。使用R和Rcpp编写的用于运行BART-BMA的开源代码可以在以下位置找到:https://github.com/BelindaHernandez/BART-BMA.git。
主页: https://github.com/BelindaHernandez/BART-BMA网站
源代码:  https://github.com/BelindaHernandez/BART-BMA网站
依赖项: R(右)
关键词: 贝叶斯加性回归树;贝叶斯模型平均;随机森林;生物标志物选择;小\(n\)大\(p\)
相关软件: 巴蒂;R(右);bart机器;随机森林;沙巴特;github;阿达德尔塔;贝叶斯DA;PyMC公司;RM链轮;阿达格拉德;张紧器2传感器;多重嵌套;伊斯兰解放军;ADVI公司;亚当;PyTorch公司;UCI-毫升;捷运局;阿达·布斯特。MH公司
引用于: 7文件

按年份列出的引文