1110

پيشرفت سرطان در بين بيماران را مي توان از طريق ايجاد مجموعه اي از نشانگرهاي ژن با روش هاي تحليل آماري داده ها بررسي كرد. اما يكي از مشكلات اساسي در مطالعه آماري اين نوع داده ها وجود تعداد زياد ژن ها در مقابل تعداد كم نمونه هاست. بنابراين، استفاده از روش هاي كاهش ابعاد براي حذف و يافتن تعداد بهينه اي از ژن ها براي پيش بيني صحيح رده هاي موردنظر، امري ضروري است. از طرفي، انتخاب يك روش كاهش ابعاد مناسب، مي تواند به استخراج اطلاعات ارزشمند و افزايش كارايي يادگيري كمك كند. در اين پژوهش از رويكرد يادگيري دسته اي به نام دسته ماشين بردار پشتيبان تصادفي براي يافتن مجموعه ويژگي بهينه، استفاده مي شود. در تحليل داده هاي واقعي مقاله حاضر، نشان داده عد پايين تر و تركيب مدل هاي ماشين بردار پشتيبان،  عد بالا به زيرفضاهايي با ب  مي شود با تبديل داده هاي ب علاوه بر يافتن مجموعه اي از ژن هاي موثر در بروز سرطان پروستات، دقت رده بندي نيز افزايش مي يابد.

نشريه علوم آماري

1402

17

2

459-476

پاييز و زمستان