热点事件观察中
研究揭示Boruta在RNA-Seq分类中的树深度与样本质量影响
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv发表的一项研究指出，在RNA-Seq数据分类中，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，导致确认基因数量减少3.5倍，并将50基因面板的平衡准确率从0.889降低至0.809。此外，研究发现约三分之一的候选特征受到类内样本质量的影响；若采用类内过滤，可在基本维持测试准确率（0.943与0.942）的前提下有效剔除这部分特征。研究作者建议，在使用Boruta时不对树深度设限，且应在特征选择前加入类内质量过滤环节。
AI 根据报道生成 · 7 小时前更新
最新进展10月27日 12:00
研究指出浅树深度干扰Boruta筛选，建议不对树深度设限并前置类内过滤。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习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
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。
本事件热度走势
当前热度 4·可比范围峰值 5（10月28日 11:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。