arXiv 机器学习· Tareque Mohmud Chowdhury, Abu Raihan Mostofa Kamal·· 1 天前AI 评分27
树深度与样本质量相关特征：RNA-Seq 数据分类中 Boruta 特征选择的两个隐藏因素
Tree Depth and Sample-Quality-Associated Features: Two Hidden Factors in Boruta Selection for RNA-Seq Data Classification
AI 导读
研究表明 Boruta 基因选择常用的 3 至 7 浅树深度设置会严重干扰筛选结果，使确认基因减少 3.5 倍并将 50 基因面板平衡准确率从 0.889 降至 0.809。此外，约三分之一候选特征受类内样本质量影响，采用类内过滤可在维持测试准确率（0.943 vs 0.942）下将其剔除。作者建议不对树深度设限，并在 Boruta 前加入类内质量过滤。
来源：arXiv 机器学习 · arxiv.org