文献

J-GLOBAL ID：201802269149699301   整理番号：18A0408512

LASSOアンサンブルを用いた高次元データの分類【Powered by NICT】

Classification of high dimensional data using LASSO ensembles

著者 (3件)： Urda Daniel (Universidad de Malaga, Andaluci ́a Tech ETSI Informatica (Espana), Instituto de Investigacio ́n Biome ́dica de Ma ́laga (IBIMA), Marbella International University Centre, MIUC (Espana)) ,  Franco Leonardo (Universidad de Ma ́laga, Andaluci ́a Tech Dpto. de Lenguajes y Ciencias de la Computatio ́n (Espana) e Instituto de Investigatio ́n Biome ́dica de Ma ́laga (IBIMA)) ,  Jerez Jose M. (Universidad de Ma ́laga, Andaluci ́a Tech Dpto. de Lenguajes y Ciencias de la Computatio ́n (Espana) e Instituto de Investigatio ́n Biome ́dica de Ma ́laga (IBIMA))
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SSCI  ページ： 1-7  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高次元設定において良好な性能をもつ多変数予測因子の推定は,バイオメディカル関連での重要なタスクである。通常,単一機械学習モデルの適用に基づく解を提示したが,アンサンブル法の使用は,これらの方法は予測性能の観点から提供することを良く知られた利点にもかかわらず,この領域内でしばしば見過ごされている。本論文では,四つのアンサンブル手法はRNA-seq遺伝子発現データから患者の生命状態を予測するためにLASSOベース学習器を用いて記述した。公共乳房浸潤癌(BRCA)データセットで実施した解析の結果は,アンサンブル法が,基本ケースとして考慮した標準LASSOモデルは統計学的に有意で優れていることを示した。もアプローチのそれぞれの計算コストの解析を行い,利用可能な計算能力に応じて異なる使用勧告を提供した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 統計学 ,  学習モデル ,  乳房 ,  患者 ,  *高次元 ,  学習
準シソーラス用語： 計算コスト ,  遺伝子発現データ ,  予測性能 ,  アンサンブル法 ,  生物医学 ,  予測因子 ,  多変量 ,  *高次元データ , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： アンサンブル ,  高次元データ ,  分類