A zero altered Poisson random forest model for genomic-enabled prediction.
A zero altered Poisson random forest model for genomic-enabled prediction.
复制标题
DOI：
10.1093/g3journal/jkaa057
复制
发表时间：
2021-02-09
期刊：
影响因子：
--
通讯作者：
Valladares-Anguiano FA
中科院分区：
文献类型：
--
作者：
Montesinos-López OA;Montesinos-López A;Mosqueda-Gonzalez BA;Montesinos-López JC;Crossa J;Ramirez NL;Singh P;Valladares-Anguiano FA
在基因组选择中，选择统计机器学习模型至关重要。本文提出了一个具有两个版本（ZAP_RF和ZAPC_RF）的零变更随机森林模型的应用，以处理计数响应变量中的多余零。使用两个真实的数据集，将该模型与传统的随机森林（RF）模型和传统的广义泊松岭回归（GPR）模型进行了比较，发现在预测性能方面，零膨胀随机森林模型优于传统的RF和GPR模型.
In genomic selection choosing the statistical machine learning model is of paramount importance. In this paper, we present an application of a zero altered random forest model with two versions (ZAP_RF and ZAPC_RF) to deal with excess zeros in count response variables. The proposed model was compared with the conventional random forest (RF) model and with the conventional Generalized Poisson Ridge regression (GPR) using two real datasets, and we found that, in terms of prediction performance, the proposed zero inflated random forest model outperformed the conventional RF and GPR models.
登录
查看更多内容
影响因子：
3.7
作者：
Li B;Zhang N;Wang YG;George AW;Reverter A;Li Y
通讯作者：
Li Y
影响因子：
4.4
作者：
Chen, Xi;Ishwaran, Hemant
通讯作者：
Ishwaran, Hemant
影响因子：
5.6
作者：
Roorkiwal M;Rathore A;Das RR;Singh MK;Jain A;Srinivasan S;Gaur PM;Chellapilla B;Tripathi S;Li Y;Hickey JM;Lorenz A;Sutton T;Crossa J;Jannink JL;Varshney RK
通讯作者：
Varshney RK
影响因子：
1.9
作者：
Garcia-Magarinos, Manuel;Lopez-de-Ullibarri, Inaki;Salas, Antonio
通讯作者：
Salas, Antonio
影响因子：
2.3
作者：
BERNARDO, R
通讯作者：
BERNARDO, R