مقایسه روش های مدل بندی پاسخ ترتیبی از قبیل درخت تصمیم، انباشت تصادفی ترتیبی و رگرسیون نسبت پیوسته جریمه شده در داده های با ابعاد بالا
نویسندگان
1
2
3
4 دانشگاه صنعتی شاهرود
doi
10.52547/ismj.24.5.454چکیده
زمینه: در بسیاری از تحقیقات در حوزه های پزشکی و بهداشتی متغیر پاسخ ماهیت ترتیبی دارد. روش های مرسوم مبتنی بر فرض استقلال میان متغیرهای پیشگو و همچنین زیاد بودن تعداد نمونه ها ( n ) در مقایسه با تعداد کووریتها ( p ) هستند. لذا برای داده های ژنتیکی با ابعاد بالا که در آن ها p>n میباشد، استفاده از مدلهای مرسوم امکان پذیر نیست. در پژوهش حاضر از روشهای رگرسیون نسبت پیوسته جریمه شده، درخت تصمیم و انباشت ترتیبی برای پیش بینی پاسخهای ترتیبی استفاده خواهد شد. مواد و روش ها: در مطالعه حاضر از سه دیتاست استفاده شد. مجموعه داده B-cell حاوی اطلاعات 12625 ژن در 128 بیمار که پاسخ در چهار سطح ترتیبی قرار داشت، داده HCC مرتبط با سرطان کبد شامل 1469 ژن در 56 بیمار که پاسخ در سه سطح ترتیبی قرار داشت و همچنین داده قلب شامل اطلاعات پنج متغیر در 294 بیمار تحت آنژیوگرافی که پاسخ در 5 سطح قرار داشت. عملکرد روشهای مدنظر با استفاده از مجموعه داده یکسان آموزش و آزمون براساس شاخص هایی از قبیل دقت، گاما و کاپا مورد مقایسه قرار گرفت. یافته ها: در دو مجموعه داده با ابعاد بالا مدل انباشت ترتیبی از توانایی پیش بینی بالاتری برخوردار بود. در حالی که برای مجموعه داده با ابعاد پایین مدل رگرسیون نسبت پیوسته جریمه شده عملکرد پیش بینی بهتری داشت. نتیجه گیری: انتخاب بهترین مدل پیش بینی از بین مدل های بکار رفته بستگی به مجموعه داده مورد استفاده دارد و برای هر مجموعه داده بایستی روش های مختلف را مورد بررسی قرار داد تا به بهترین مدل دست یافت.