文献

J-GLOBAL ID：201802239621189179   整理番号：18A0168289

ゲノム最良線形不偏予測のための残す-one-out交差検証のための効率的戦略【JST・京大機械翻訳】

著者 (3件)： Hao Cheng (DEPARTMENT OF ANIMAL SCIENCE,IOWA STATE UNIVERSITY,50011,AMES,IOWA,USA;DEPARTMENT OF STATISTICS,IOWA STATE UNIVERSITY,50011,AMES,IOWA,USA) ,  Dorian J.Garrick (DEPARTMENT OF ANIMAL SCIENCE,IOWA STATE UNIVERSITY,50011,AMES,IOWA,USA;INSTITUTE OF VETERINARY,ANIMAL & BIOMEDICAL SCIENCE,MASSEY UNIVERSITY,PALMERSTON NORTH,NEW ZEALAND) ,  Rohan L.Fernando (DEPARTMENT OF ANIMAL SCIENCE,IOWA STATE UNIVERSITY,50011,AMES,IOWA,USA)
資料名： Xumu Yu Shengwu Jishu Zazhi  (Xumu Yu Shengwu Jishu Zazhi)
巻： 8  号： 3  ページ： 733-737  発行年： 2017年 
JST資料番号： C2841A  ISSN： 1674-9782  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 背景:全ゲノムデータを用いて,Best線形不偏予測に対して,非相関ランダム効果としての付加的マーカーまたはハプロタイプに対する全ての対立遺伝子置換効果に同時に適合するランダム多重回帰モデルを提案した。leave-one-out交差検証は統計モデルの予測能力を定量化するために用いることができる。Leave-one-out交差検証の【方法】ナイーブ応用は,訓練と検証分析が各観測に対して1回繰り返される必要があるため,計算的に集中的である。ここでは,効率的なLeave-one-out交差検証戦略を提示し,単一解析よりもほとんど努力を必要としない。【結果】の効率的なLeave-one-out交差検証戦略は,1,000の観測と10000のマーカーを持つシミュレーションデータセットと1000の観察と100のマーカーで99倍速いシミュレーションデータセットのための未処理の適用より786倍速い。同じモデルを用いたナイーブ手法に対するこれらの効率は,観測数の増加とともに増加する。ここでは,【結論】の効率的なLeave-one-out交差検証戦略を提示し,単一解析よりもほとんど努力を必要としない。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ハプロタイプ ,  *ゲノム ,  統計模型 ,  対立遺伝子 ,  *予測 ,  *線形性
準シソーラス用語： 予測能力 ,  多重回帰モデル ,  *BLUP , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ゲノム ,  最良線形不偏予測 ,  交差 ,  検証 ,  戦略