条件推断森林在高维组学数据分析中的应用

摘要

目的 探讨条件推断森林(CIF)在自变量相关情况下变量筛选和分类研究中的应用.方法 通过模拟实验和实例比较RF和CIF的变量筛选和分类,并通过变量重要性评分和OOB错误率进行评价.结果 模拟实验表明,在自变量相关的情况下,CIF的变量筛选结果明显优于RF的变量筛选结果;实例数据分析结果表明,CIF筛选出变量的OOB错误率低于RF.结论 CIF适用于变量相关的情况,具有实用价值.