论文部分内容阅读
基于高通量的“微阵列(Microarray)”技术的迅速发展，给统计学专业人员提供了大量的微阵列数据。这类“小样本、高维度”的资料(m＞＞n)，给传统的分类判别方法带来了前所未有的挑战，Boosting方法作为集成算法中的一员，一直以其“完美”的分类能力吸引着众多的研究者和应用者。 本研究在系统介绍了Boosting的基本思想，以及它的两种算法——AdaBoost和LogitBoost的基本过程的基础上，采用这两种Boosting算法对模拟数据和维度较低的资料建立判别预测模型，并与另两种集成算法(Bagging和Random-Forest)和三种传统判别分析方法(Fisher’s线性判别、Fisher’s二次判别和logistic回归判别)的预测效果进行了比较。 本研究根据基因微阵列数据的特殊性，对两个网络数据库——白血病数据和乳腺癌数据进行了分析，思路如下：(1)使用FDR控制程序校正P值，以P≤0.05或P≤0.01为标准筛选基因变量，使得维度小于样本含量，建立判别预测模型，将Boosting方法与两种集成算法和三种传统的方法相比较；(2)按照P值的排序选择不同数目的基因预测变量，分别建立判别预测模型，考察Boosting的相对优势(包括预测精度和敏感性)；(3)提取主成分，作主成分判别分析，考察Boosting方法的优势。以上均用交叉验证思路考察模型的预测效果和预测结果的稳定性。 本研究主要结论： 1．Boosting的总体预测效果普遍优于Bagging、Random-Forest以及传统的