一种基于机器学习选择最优特征的DNA甲基化预测方法

摘要

本发明公开了一种基于机器学习选择最优特征的DNA甲基化预测方法，本发明首先通过使用不同的机器学习算法一搜索不同个数的最强相关CpG位点，构建不同模型的最强相关CpG位点集合，然后利用不同的机器学习算法二对不同的模型的最强相关CpG位点集合进行测试，对测试结果与真实实验的结果进行比较，根据评价指标确定最优模型所使用的最强相关CpG位点个数和机器学习算法类型，从而完成了基于多个最强CpG位点的预测模型的建立。本发明提高了最强CpG位点的搜索效率，从而提高预测模型预测性能。