期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于条件高斯贝叶斯网络的代谢组学数据分类预测研究 被引量：4
1
作者 戴品远 余小金 +4 位作者 谢纬华 赵超 刘冉 尹立红 陈炳为 《中国卫生统计》 CSCD 北大核心 2021年第5期656-660,共5页
目的探讨条件高斯贝叶斯网络(conditional Gaussian Bayesian network, CGBN)在代谢组学数据的分类判别中的应用。方法通过模拟研究与实际代谢组学数据分析,比较CGBN与偏最小二乘判别分析(partial least squares discriminant analysis,... 目的探讨条件高斯贝叶斯网络(conditional Gaussian Bayesian network, CGBN)在代谢组学数据的分类判别中的应用。方法通过模拟研究与实际代谢组学数据分析,比较CGBN与偏最小二乘判别分析(partial least squares discriminant analysis, PLSDA)在不同相关程度和不同稀疏水平的高维数据及线性相关与非线性等情形时的分类判别性能,评价指标采用ROC曲线下面积(area under curve, AUC)和平均计算时间。结果模拟研究结果表明,变量之间低相关且样本量不大于200时CGBN分类判别AUC高于PLSDA。在自变量与因变量非线性相关且小样本情况下CGBN分类判别AUC同样高于PLSDA。实例数据分析结果显示CGBN和PLSDA分类判别的AUC分别为0.997,0.975。CGBN的计算时间要远高于PLSDA。结论在不受计算负担限制的情形下,CGBN是代谢组学数据典型分析方法的一种可行的替代方法,值得进一步研究。 展开更多
关键词 条件高斯贝叶斯网络 分类判别 代谢组学
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部