Random forests for genomic data analysis.
Random forests for genomic data analysis.
复制标题
DOI：
10.1016/j.ygeno.2012.04.003
复制
发表时间：
2012-06
期刊：
影响因子：
4.4
通讯作者：
Ishwaran, Hemant
中科院分区：
文献类型：
--
作者：
Chen, Xi;Ishwaran, Hemant
关键词：
随机森林（RF）是一种流行的基于树的集成机器学习工具，具有高度的数据自适应性，适用于“大p，小n”问题，并且能够考虑特征之间的相关性和相互作用。这使得RF对于高维基因组数据分析特别有吸引力。本文系统地综述了RF在基因组数据中的应用和最新进展，包括预测和分类、变量选择、通路分析、遗传关联和上位性检测以及无监督学习等。
Random forests (RF) is a popular tree-based ensemble machine learning tool that is highly data adaptive, applies to “large p, small n” problems, and is able to account for correlation as well as interactions among features. This makes RF particularly appealing for high-dimensional genomic data analysis. In this article, we systematically review the applications and recent progresses of RF for genomic data, including prediction and classification, variable selection, pathway analysis, genetic association and epistasis detection, and unsupervised learning.
登录
查看更多内容
DOI：
10.1038/nrg2579
发表时间：
2009-06
期刊：
Nature reviews. Genetics
影响因子：
--
作者：
Cordell HJ
通讯作者：
Cordell HJ
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：
3.8
作者：
Chang, Jeffrey S.;Yeh, Ru-Fang;Wrensch, Margaret R.
通讯作者：
Wrensch, Margaret R.
影响因子：
5.1
作者：
Genuer, Robin;Poggi, Jean-Michel;Tuleau-Malot, Christine
通讯作者：
Tuleau-Malot, Christine
影响因子：
12.3
作者：
Eichler GS;Reimers M;Kane D;Weinstein JN
通讯作者：
Weinstein JN