基因表达数据分析的随机森林方法及算法改进

【作者】 武晓岩； 方庆伟；

【机构】 哈尔滨医科大学卫生统计学教研室；

【摘要】 <正>对基因表达数据分析的一个重要任务是对样品进行判别分类,即根据已知的基因表达数据建立判别模型,对未知样本进行判别与分类,并希望用较少的基因数目获得较好的分类效果,这对临床诊断、治疗以及对功能基因的研究都有重要的意义。目前有多种基因表达数据的分类方法,如神经网络、支持向量机、自组织作图等,效果各异。最近,应用组合分类器的方法得到了人们重视,即将多个单一分类器的预测模型进行组合,产生一个新的分类器,然后利用它对未知数据进行分类。许多研究表明,组合分类器比单一分类器的分类效果好,随机森林(Random forest)就是一种利用多个分类树对数据进行判别与分类的方法,它可以应用于变量个数远大于样本个数的数据,并且不会产生过拟合现象,在对数据进行分类的同更多还原