An ensemble regularization method for feature selection in mass spectral fingerprints

شناسایی موفقانه از ویژگی های قابل توجه در اثر انگشت طیفی پیچیده جمعی، یک وظیفه حیاتی در حالت های تبعیض آمیز یا تفاوت های سیستم های طبیعی (مثلا در بیماران نسبت به سالم، درمان شده و بدون درمان و مردان در برابر زن) است که با استفاده از تکنولوژی طیف سنجی جرم تجسم می شود. در این مطالعه، ما یک روش قانونی سازمانی ارائه می دهیم که سه مدل رگرسیون تصحیح را برای تولید نتایج قوی تر ترکیب می کند. به طور خاص، ضرایب از هر یک از سه مدل تنظیم، بوت استرپ و ابعاد و انحراف معیار این ضرایب محاسبه شد. پس از به دست آوردن این آمار برآورد شده از ضرایب، ما یک آزمون فرضیه برای هر ویژگی انجام دادیم. در نهایت، ویژگی های قابل توجهی که به طور همزمان توسط آزمون های سه فرضیه انتخاب شده اند تعیین کردیم. داده های طیفی توده ای از شش عصاره مختلف کیت های پشه ای برای ارزیابی عملکرد روش پیشنهادی استفاده شده است. هدف از این تجزیه و تحلیل طیفی، تعیین ویژگی های اصلی مورد نیاز برای تشخیص پشه های متاهل و مونث بود که توانایی ایجاد عفونت مالاریا را از دیگران دارند. علاوه بر این، ما انتخاب روش انتخاب ویژگی گروه پیشنهاد با جنگل تصادفی، یک الگوریتم انتخابی به طور گسترده استفاده می شود. ما دریافتیم که روش پیشنهادی از لحاظ کارایی انتخاب ویژگی، از جنگل های تصادفی بهتر است.