發(fā)布時(shí)間：2018-05-14 11:53

  本文選題：多組學(xué)數(shù)據(jù) + 塊缺失　； 參考：《中國衛(wèi)生統(tǒng)計(jì)》2017年04期

【摘要】：目的本研究旨在評價(jià)不同平臺間"塊缺失"數(shù)據(jù)的填補(bǔ)方法。如何在保證方差-協(xié)方差結(jié)構(gòu)相對穩(wěn)定的前提下提高多組學(xué)數(shù)據(jù)填補(bǔ)的精確度,對于后期數(shù)據(jù)挖掘有重要的意義。方法利用癌癥基因組圖譜(TCGA)數(shù)據(jù)庫的肺癌數(shù)據(jù)(甲基化數(shù)據(jù)、基因表達(dá)數(shù)據(jù)),構(gòu)建不同缺失比例的數(shù)據(jù)集(缺失比例分別為5%、20%、35%、50%和65%)。采用統(tǒng)計(jì)學(xué)填補(bǔ)方法均值法,馬爾科夫蒙特卡洛法(MCMC)和機(jī)器學(xué)習(xí)填補(bǔ)法[鄰近法(kNN),隨機(jī)森林法(RF),多層感知機(jī)法(MLP)]對缺失數(shù)據(jù)進(jìn)行填補(bǔ),填補(bǔ)后數(shù)據(jù)集與原數(shù)據(jù)集進(jìn)行比較。評價(jià)指標(biāo)包括估計(jì)偏差和矩陣-2-范數(shù)。根據(jù)評價(jià)指標(biāo)和填補(bǔ)時(shí)間,比較出填補(bǔ)效果最優(yōu)、填補(bǔ)時(shí)間較短的方法。結(jié)果 MLP和kNN算法在各種缺失比例下均比其他填補(bǔ)方法有更優(yōu)的效果,填補(bǔ)時(shí)間也相對較短。均值法的時(shí)間最短,在數(shù)據(jù)集缺失比例較小時(shí)(≤5%),填補(bǔ)效果與其他填補(bǔ)方法相當(dāng),但在高比例缺失情況下表現(xiàn)較差。在數(shù)據(jù)集高比例缺失情況下,RF和MCMC的填補(bǔ)效果優(yōu)于均值法,但填補(bǔ)時(shí)間過長,不適用于實(shí)際工作。結(jié)論綜合比較,機(jī)器學(xué)習(xí)填補(bǔ)方法中的MLP和kNN兩法適合于甲基化數(shù)據(jù)和表達(dá)數(shù)據(jù)的填補(bǔ)。
[Abstract]:The purpose of this study is to evaluate the filling method of "block missing" data between different platforms. How to improve the accuracy of multi group data filling under the premise of ensuring the relative stability of variance covariance structure is of great significance for later data mining. Methods using the cancer data (TCGA) database of lung cancer data (methylation data, Gene expression data), set up data sets with different loss ratios (5%, 20%, 35%, 50% and 65%). Using statistical filling method mean method, Markoff Monte C Lofa (MCMC) and machine learning filling method (kNN), random forest method (RF), multi-layer perceptron (MLP)) fill the missing data and fill the post data. The set is compared with the original data set. The evaluation index includes the estimation deviation and the matrix -2- norm. According to the evaluation index and the filling time, it compares the method of filling the best effect and filling the short time. Results MLP and kNN algorithm have better effect than other filling methods under various missing proportions. The filling time is relatively short. Mean method is also relatively short. The time is the shortest, the proportion of missing data sets is small (less than 5%). The filling effect is equivalent to the other filling methods, but the performance is poor in the case of high proportion missing. In the case of high proportion missing data set, the filling effect of RF and MCMC is better than the mean method, but the filling time is too long and does not apply to the actual work. Conclusion comprehensive comparison, machine learning fill The two methods of MLP and kNN are suitable for the filling of methylation data and expression data.

【作者單位】： 南京醫(yī)科大學(xué)公共衛(wèi)生學(xué)院生物統(tǒng)計(jì)學(xué)系;
【基金】：國家自然科學(xué)基金重點(diǎn)項(xiàng)目(81530088) 面上項(xiàng)目(81473070,81373102) 國家自然科學(xué)青年基金(81402764) 江蘇省高校優(yōu)勢學(xué)科資助
【分類號】：O212.1;R73-3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金勇進(jìn);調(diào)查中的數(shù)據(jù)缺失及處理(Ⅰ)——缺失數(shù)據(jù)及其影響[J];數(shù)理統(tǒng)計(jì)與管理;2001年01期

2 金勇進(jìn);缺失數(shù)據(jù)的加權(quán)調(diào)整(系列之Ⅳ)[J];數(shù)理統(tǒng)計(jì)與管理;2001年05期

3 趙慧秀;馬文卿;;帶有缺失數(shù)據(jù)的估計(jì)方程[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

4 龐新生;;缺失數(shù)據(jù)處理方法的比較[J];統(tǒng)計(jì)與決策;2010年24期

5 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計(jì)[J];中國衛(wèi)生統(tǒng)計(jì);2012年05期

6 帥平;李曉松;周曉華;劉玉萍;;缺失數(shù)據(jù)統(tǒng)計(jì)處理方法的研究進(jìn)展[J];中國衛(wèi)生統(tǒng)計(jì);2013年01期

7 金勇進(jìn);缺失數(shù)據(jù)的偏差校正(系列三)[J];數(shù)理統(tǒng)計(jì)與管理;2001年04期

8 畢華,李濟(jì)洪;帶有缺失數(shù)據(jù)的聚類分析方法[J];華北工學(xué)院學(xué)報(bào);2003年05期

9 李開燦;;有缺失數(shù)據(jù)的META-MARKOV模型的局部計(jì)算[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2007年03期

10 周偉萍;張德然;楊興瓊;;具有部分缺失數(shù)據(jù)時(shí)兩個(gè)幾何總體的估計(jì)[J];長春大學(xué)學(xué)報(bào);2008年02期

相關(guān)會(huì)議論文 前2條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國現(xiàn)場統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

相關(guān)博士學(xué)位論文 前9條

1 彭清艷;廣義函數(shù)型回歸模型及缺失數(shù)據(jù)模型[D];云南大學(xué);2016年

2 駱汝九;多指標(biāo)綜合評價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

3 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

4 賈博婷;缺失數(shù)據(jù)下一類整值時(shí)間序列的統(tǒng)計(jì)推斷[D];吉林大學(xué);2014年

5 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計(jì)方程的統(tǒng)計(jì)推斷與變量選擇問題[D];云南大學(xué);2010年

6 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

7 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問題[D];復(fù)旦大學(xué);2007年

8 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2009年

9 付志慧;多維項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

3 母建熊;基于飽和模型的帶有缺失的可交換兩值數(shù)據(jù)分析[D];東南大學(xué);2015年

4 雷偉;帶有不可忽略缺失數(shù)據(jù)的混合線性模型的貝葉斯統(tǒng)計(jì)推斷[D];云南大學(xué);2016年

5 劉星;缺失數(shù)據(jù)下關(guān)于廣義線性模型的一些討論[D];揚(yáng)州大學(xué);2016年

6 郭似童;缺失數(shù)據(jù)下半?yún)?shù)模型的序列相關(guān)性檢驗(yàn)[D];重慶理工大學(xué);2016年

7 崔朝杰;含有缺失數(shù)據(jù)的兩值吸毒數(shù)據(jù)分析[D];東北師范大學(xué);2009年

8 岳春柳;缺失數(shù)據(jù)的概率主成分分析[D];東北師范大學(xué);2010年

9 齊丹丹;對含缺失數(shù)據(jù)的非參可加模型進(jìn)行成分選取[D];東北師范大學(xué);2010年

10 胡賢利;混合型數(shù)據(jù)的缺失數(shù)據(jù)的填補(bǔ)[D];中南大學(xué);2013年

，

本文編號：1887743