检测特征排名的影响点

背景：在生物信息学研究中，推导特征排名至关重要，因为有序的特征对指导后续研究具有重要意义。特征排名可能会被影响点扭曲，但此类影响在以往研究中鲜有提及。本研究旨在调查影响点对特征排名的影响，并提出一种检测影响点的新方法。方法：本研究采用个案删除（即留一法）方法来评估个案的影响。通过比较删除个案前后的排名变化来衡量其影响。我们提出了一种使用自适应最高优先级权重的排名比较方法，该方法突出了排名靠前特征的名次变化。权重可根据排名变化的分布进行调整。结果：在多个数据集中均可观察到潜在的影响点。影响点的存在可能显著改变后续分析（如富集通路）的结果，这表明在推导特征排名时检测影响点的必要性。与现有方法相比，这种新颖的排名比较方法由于采用了根据排名变化分布调整的自适应权重，能够识别重要（排名靠前）特征的名次变化。结论：在推导特征排名时，应常规执行影响点检测。与现有方法相比，这种新的影响点检测方法表现出良好的特性。