特征选择方法对分子标签准确性、稳定性及可解释性的影响
定量方法
2012-09-17 v2 应用统计
机器学习
摘要
动机：从高维数据中发现生物标志物是生物学和医学中一个具有巨大应用前景的关键问题。从统计学角度来看，这也极具挑战性，但令人惊讶的是，很少有研究探讨现有众多特征选择方法的相对优势与劣势。方法：我们在 4 个用于乳腺癌预后的公开基因表达数据集上，比较了 32 种特征选择方法，评估指标包括它们所产生标签的预测性能、稳定性和功能可解释性。结果：我们观察到，特征选择方法对标签的准确性、稳定性和可解释性有显著影响。简单的过滤式方法通常优于更复杂的嵌入式或封装式方法，并且集成特征选择总体上没有积极效果。总体而言，一个简单的学生 t 检验似乎能提供最佳结果。可用性：代码和数据可在 http://cbio.ensmp.fr/~ahaury/ 公开获取。
引用
@article{arxiv.1101.5008,
title = {The influence of feature selection methods on accuracy, stability and interpretability of molecular signatures},
author = {Anne-Claire Haury and Pierre Gestraud and Jean-Philippe Vert},
journal= {arXiv preprint arXiv:1101.5008},
year = {2012}
}