基于遗传算法的随机森林模型在特征基因筛选中的应用

摘要：

目的 探索基于遗传算法的随机森林模型在特征基因筛选中的效果和特点.方法 通过本文构建的基于遗传算法的随机森林模型(GARF)对真实基因数据和模拟数据进行特征基因筛选,以筛选后基因进行判别分析,计算ROC曲线下面积AUC值,同时观察GARF方法对模拟实验中预设的差异基因排序结果.结果 对真实基因数据和模拟数据的分析结果均显示,采用GARF方法筛选得到的特征基因建立判别模型能获得更好的分类效果,在模拟实验中与随机森林相比能将预设的差异基因排在更靠前的位置.结论 GARF方法能够有效地用于基因芯片数据特征基因筛选,在FDR控制上具备潜力,具有研究价值.

关键词：随机森林、遗传算法、特征基因筛选

所属期刊栏目：33

分类号：TS1;TP3

资助基金：浙江省自然科学基金项目LQ12H26002;杭州师范大学科研启动基余项目2011QDL12

在线出版日期：2016-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：559-562,566