面向基因数据分类的旋转森林算法研究.pdfVIP

第26卷第2期 中国计量学院学报 V01．26No．2 ofChina of 2015年6月 Journal UniversityMetrology Jun．2015 【文章编号】1004—1540(2015)02—0227—05 面向基因数据分类的旋转森林算法研究 刘亚卿，陆慧娟，杜帮俊，余 翠 (中国计量学院信息工程学院，浙江杭州310018) 【摘 要】针对基因表达数据高维和小样本的特点，介绍一种基于主成分分析的决策树集成分类算法——旋 转森林．首先通过对数据属性集的随机分割，再对子集进行主成分分析变换，保留全部的主成分系数，重新组 成一个稀疏矩阵．然后对变换后的数据利用非剪枝决策树集成算法进行分类．再结合ReliefF算法，选用3组 基因表达数据验证算法，对比Bagging决策树和随机森林两种集成方法．结果表明旋转森林算法对基因数据 具有更好的分类精度，同时验证旋转森林在较低的集成数的情况下，可以取得良好的效果． 【关键词】主成分分析；旋转森林；集成学习；ReliefF算法；决策树 【中图分类号】TP391 【文献标志码】A onclassifier of databasedonrotationforest Study algorithmgenetic LIU Cui Yaqing，LUHuijuan，DU Bangjun，YU ofInformation 310018，China) (College Engineering，ChinaJiliangUniversity，Hangzhou atthecharacterof dimensionsandsmall of data，anensemble Abstract：Aiming high samplesgeneexpression classification thenameofrotationforestbasedondecisiontreewas the algorithmby introduced．Bysplitting featuresetof the themandthen allthe data，applyingprincipalcomponentanalysis(PCA)on reserving coefficientsofthe matrixwasrebuilt the decisiontree principalcomponents，asparse up．Finallyunpruned ensemble wasusedtO thetransformed with dataset．Here，combinedtheReliefF algorithm classify algorithm， of t