TY -的A2 -廖,心理的非盟- Yılmaz Isıkhan, Selen盟——Karabulut Erdem那样预言正发党胜利盟——Alpar Celal Reha PY - 2016 DA - 2016/12/20 TI -确定截点基于样本大小的合奏的树木在预测临床剂量与DNA微阵列数据SP - 6794916六世- 2016 AB - 背景/目的。评估剂量的成功预测基于遗传或临床数据最近大幅先进。本研究的目的是预测各种临床剂量值从DNA基因表达数据集使用数据挖掘技术。 材料和方法。十一个真正的基因表达数据集包含包括剂量值。首先,重要基因剂量预测选择使用迭代确定独立筛查。然后,回归树(RTs)的性能,支持向量回归(SVR), RT装袋,SVR装袋,RT增强检查。 结果。结果表明回归特征选择方法大大减少无关的基因从原始数据集的数量。总的来说,最好的预测性能在9个11的数据集是通过使用SVR;第二个最精确的性能提供了使用gradient-boosting机(GBM)。 结论。分析不同剂量值基于微阵列基因表达数据识别常见的基因存在于我们的研究和引用的研究。根据我们的调查结果,SVR和“绿带运动”可以很好地预测出dose-gene数据集。这项研究的另一个结果是确定的样本大小 n = 25 作为分界点RT装袋优于单一RT, SN - 1748 - 670 - 2016/6794916 / 10.1155 x你——https://doi.org/10.1155/2016/6794916——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER