arXiv cs.LG· Tareque Mohmud Chowdhury, Abu Raihan Mostofa Kamal·· 6 天前AI 评分29
树深度与样本质量相关特征：RNA-Seq 数据分类中 Boruta 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
一项研究发现，RNA-Seq 数据分类中 Boruta 推荐的 3 至 7 层浅树会严重误导基因筛选，在泛癌数据中使确认基因减少 3.5 倍。深度 5 的 50 基因面板平衡准确率从 0.889 降至 0.809，且约三分之一候选特征与类内样本质量挂钩。作者建议对树深不设限或设为实际树深的 60% 至 75%，并在 Boruta 前执行类内质量过滤。
来源：arXiv cs.LG · arxiv.org