The purpose of the paper is to propose a new method for classification. Our MSPLS method was deduced from the classic Partial Least Squares (PLS) algorithm. In this method we applied the Maximum Separation Criterion. On the basis of the approach we are able to find such weight vectors that the dispersion between the classes is maximal and the dispersion within the classes is minimal. In order to compare the performance of classifier we used the following types of dataset - biological and simulated. Error rates and confidence intervals were estimated by the jackknife method.
In this paper the feature selection methods applied to discovering differentially expressed genes in microarray experiments are compared. This compare-son includes both filter and optimal subset selection methods. The simulated and biological datasets are used as the microarray gene expression data, and the ability of selected genes for classification is also considered.
PL
W artykule porównano metody selekcji cech zastosowane do wykrywania genów różnicujących w eksperymentach mikromacierzowych. Porównanie zawiera zarówno metody statystyczne, jak i metody poszukiwania optymalnego podzbioru cech. Jako dane mikromacierzowe wykorzystano symulowane zbiory danych oraz dane biologiczne. Przedstawiono ponadto przydatność wyselekcjonowanych genów do klasyfikacji.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.