構造的無作為選択【JST・京大機械翻訳】

Wang Fan; Richardson Sylvia; Hill Steven M.

プレプリント

J-GLOBAL ID：202202218007394349 整理番号：22P0324247

構造的無作為選択【JST・京大機械翻訳】

Structural randomised selection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年04月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

高次元オミクスデータの解析における重要な問題は,興味ある表現型と関連する分子変数のサブセットを同定することである。これは,高次元,強い多重共線性,およびモデル不確実性の課題に対処する必要がある。著者らは,STructural RANDomized Selected(STRANDS)と呼ばれるスパースペナルティ回帰法の性能を改善するための新しいアンサンブル学習手法を提案した。ランダムLasso法で構築して改善するアプローチは,2つのステップから成る。両ステップにおいて,変数の反復サブサンプリングによって次元を低減した。各サブサンプルデータセットにペナルティ回帰法を適用し,平均結果を得た。第1ステップでは,サブサンプリングは,可変相関構造,第2ステップで,第1ステップから変数重要度測度によってインフォームドされる。STRANDSは,「ベース学習者」として任意のスパースペナルティ回帰アプローチで使用できる。合成データと実際の生物学的データセットを用いて,STRANDSはそのベース学習者で典型的に改善し,第一段階における相関構造を考慮することはモデル空間が探索できる効率を改善するのに役立つことを示した。【JST・京大機械翻訳】

, , , , , ,
, , , 【Automatic Indexing@JST】

数値計算 , 分子・遺伝情報処理 , ドキュメンテーション , 計算機シミュレーション , システム・制御理論一般

前のページに戻る