Mining Features for Biomedical Data using Clustering Tree Ensembles.

Pliakos K, Vens C.

J Biomed Inform. 2018 Jul 13;

可以供给机器学习界利用的生物医学数据量增长非常迅速，随之带来一个问题：这些数据实际上能提供多少信息的？或者描述数据实例的特征有多大的区分度？一些生物医学数据集受到实例的表示上缺乏差异，更有甚者，有些数据集里还有具有相同特征和不同类标签的实例存在。毫无疑问，这直接影响机器学习算法的性能，以及解释其结果的能力。本文聚焦于上述问题，并提出一种基于树集合学习（tree ensemble learning）的目标通知特征归纳（target-informed feature induction）方法。该方法为数据表示带来更多变化，从而可能增加应用于特征归纳的学习机的预测性能。本文有双重作用：首先，强调了影响生物医学数据质量的问题；其次，提出了一种处理该问题的方法。所提出的方法的效率在多目标预测任务上得到验证。结果表明，所提出的方法能够增强数据实例之间的区分并提高预测性能。

DOI: 10.1016/j.jbi.2018.07.012

PMID: 30012356