• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Bioinformatics >Differential privacy-based evaporative cooling feature selection and classification with relief-F and random forests
【2h】

Differential privacy-based evaporative cooling feature selection and classification with relief-F and random forests

机译：基于浮雕F和随机森林的基于差分隐私的蒸发冷却特征选择和分类

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

MotivationClassification of individuals into disease or clinical categories from high-dimensional biological data with low prediction error is an important challenge of statistical learning in bioinformatics. Feature selection can improve classification accuracy but must be incorporated carefully into cross-validation to avoid overfitting. Recently, feature selection methods based on differential privacy, such as differentially private random forests and reusable holdout sets, have been proposed. However, for domains such as bioinformatics, where the number of features is much larger than the number of observations p ≫ n, these differential privacy methods are susceptible to overfitting.
机译：动机从具有低预测误差的高维度生物学数据将个体分类为疾病或临床类别，是生物信息学中统计学习的一项重要挑战。特征选择可以提高分类的准确性，但是必须小心地将其纳入交叉验证中，以避免过度拟合。近来，已经提出了基于差分隐私的特征选择方法，例如差分私有随机森林和可重用保持集。但是，对于像生物信息学这样的领域，其中特征的数量远远大于观测值pn的领域，这些差分隐私方法很容易过拟合。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号