文献标题: Gene Selection for Cancer Classifification using Support Vector Machines

1. SVM 递归特征消除（SVM-RFE）

SVM-RFE 是一种以权重大小作为排序标准的 REFE 应用。

1.1 算法流程

输入：训练样本集

$T=\left \{ (X_1,y_1),(X_2,y_2),..., (X_N,y_N)\right \}$

初始化：

幸存特征子集： $s=[1,2,...,n]$

特征排序列表： $r=[]$

开始循环直到 s = []：

限制训练数据集从而得到一个良好的特征指标
采用 SVM 进行分类（对偶方式）获得值 $\alpha$
计算获得的超平面的系数，即各个维度的权重 $w$
计算特征排序的参考指标 $c_i=w_i^2$
找最小指标所在的索引 $f=argmin(c)$
更新特征排序队列 $r=[s(f),r]$
去除最小特征值获得一个新的特征集合 $s=s[1:f-1,\,\,f+1:length(s)]$

输出：

特征排序列表 r

1.2 扩展

为了提高效率，可以一次去掉多个特征

利用支持向量机进行癌症分类的基因选择相关推荐

基于机器学习的车牌识别系统（Python实现基于SVM支持向量机的车牌分类）
基于机器学习的车牌识别系统(Python实现基于SVM支持向量机的车牌分类) 一.数据集说明训练样本来自于github上的EasyPR的c++版本,包含一万三千多张数字及大写字母的图片以及三千多张中 ...
利用SVM 实现文本分类的实例
原文来自:http://blog.csdn.net/zhzhl202/article/details/8197109 之前做过一些文本挖掘的项目,比如网页分类.微博情感分析.用户评论挖掘,也曾经将li ...
ROC曲线与癌症分类
ROC曲线 ROC(receiver operating characteristic curve)曲线的对象是二分类问题,选择不同的阈值会有不同的分类结果. ROC将不同阈值下的TP rate和FP ...
基于逻辑回归的癌症分类预测-良／恶性乳腺癌肿瘤预测及ROC曲线绘制
逻辑回归逻辑回归(Logistic Regression)是机器学习中的一种分类模型,逻辑回归是一种分类算法,虽然名字中带有回归.由于算法的简单和高效,在实际中应用非常广泛.逻辑回归是解决二分类问题 ...
机器学习算法——以癌症分类为例子介绍逻辑回归（sklearn实现）
目录 1.逻辑回归介绍 1.1.逻辑回归的应用场景 1.2.逻辑回归的原理 1.2.1 输入: 1.2.2 激活函数 1.3.损失以及优化 1.3.1 损失 1.3.2 优化总结: 2.逻辑回归ap ...
机器学习（16）ROC曲线与AUC指标（癌症分类的模型检测--AUC指标）
目录一.基础理论 0.引言 1.TPR与FPR 1.TPR(召回率) 2.FPR 2.ROC曲线 3.AUC指标二.癌症分类的模型检测(AUC指标) 1.正反例转1.0 2.计算AUC指标总代码 ...
逻辑回归之案例：癌症分类预测-良／恶性乳腺癌肿瘤预测
逻辑回归之案例:癌症分类预测-良/恶性乳腺癌肿瘤预测数据介绍原始数据的下载地址:https://archive.ics.uci.edu/ml/machine-learning-databases/ ...
Caffe实践】如何利用Caffe训练ImageNet分类网络
Caffe实践]如何利用Caffe训练ImageNet分类网络源文章:https://github.com/BVLC/caffe/tree/master/examples/imagenet 由于要使 ...
ML之kNNC：基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测daiding
ML之kNNC:基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测目录基于iris莺尾花数据集(PCA处理+三维散点图可视化)利用kNN算法实现分类预测设计思路 ...

利用支持向量机进行癌症分类的基因选择

1. SVM 递归特征消除（SVM-RFE）

1.1 算法流程

1.2 扩展

利用支持向量机进行癌症分类的基因选择相关推荐

最新文章

热门文章