발현 데이터를 사용한 암 분류에서 유전자 선택을 위한 다중 SVM-RFE

이 논문은 지지 벡터 기계 재귀 특성 제거(SVM-RFE)에서 구현된 것과 유사한 후방 제거 절차를 사용하는 새로운 특성 선택 방법을 제안합니다. SVM-RFE 방법과는 달리, 제안된 접근 방식은 각 단계에서 원래 훈련 데이터의 하위 샘플에 대해 훈련된 다중 선형 SVM의 가중치 벡터에 대한 통계 분석에서 특성 순위 점수를 계산합니다. 우리는 암 분류를 위한 네 가지 유전자 발현 데이터 세트에서 제안된 방법을 테스트했습니다. 그 결과, 제안된 특성 선택 방법이 원래 SVM-RFE보다 더 나은 유전자 하위 집합을 선택하고 분류 정확도를 향상시킨다는 것을 보여줍니다. Gene Ontology 기반 유사성 평가는 선택된 하위 집합이 기능적으로 다양함을 나타내며, 우리의 유전자 선택 방법을 더욱 검증합니다. 이 연구는 또한 유전자 발현에 기반한 암 분류를 위해 훈련 및 테스트 세트의 여러 분할에서 평균 테스트 오류를 성능 품질의 기준으로 권장할 수 있음을 제안합니다.