Abfrage zum Antwortscreening<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Ich habe eine interaktive Datenbank mit 67 Genniveaus in mehreren Proben ~ 100. Diese Gene wurden aufgrund ihrer wahrscheinlichen Aktivität ausgewählt. Viele der Gene sind mit anderen interaktiv. Ich versuche die beste Gruppe von Genen zu bestimmen, die mit jedem einzelnen Gen korrelieren. Mit verschiedenen Plattformen (Predictor Screening Utility, Boosted Tree / Forest in der Partition, Response Screening in Modeling und Screening in Modeling) bekomme ich eine ähnliche Hierarchie von Genen, die biologisch sinnvoll ist. Durch das Response-Screening im Fit-Modell bekomme ich jedoch eine völlig andere Hierarchie, was biologisch weniger sinnvoll ist. Jede Idee, warum das Antwortscreening im Fit-Modell so unterschiedlich ist.
Danke, Neal
Betreff: Abfrage zum AntwortscreeningVielen Dank
Betreff: Abfrage zum AntwortscreeningRex, ich denke, die Antwort liegt in der Tatsache, dass Fit Model-Plattformen dazu neigen, Ergebnisse zu liefern, die die beste Übereinstimmung (niedrigster RMSE) ergeben und aus den Daten im Nachhinein berechnet werden. Andere Methoden sollen das Beste geben Vorhersagemodell eher das am besten passende Modell.
Betreff: Abfrage zum AntwortscreeningVielen Dank. das ist sehr hilfreich. Teilweise kleinste Quadrate funktionieren gut. Meine Frage lautet, warum unterscheidet sich die Antwortprüfung in der Fit Model-Plattform von der Antwortprüfung in der Modellplattform?
Betreff: Abfrage zum AntwortscreeningHaben Sie Neuronale Netze ausprobiert? Ich würde das definitiv als einen meiner ersten Schritte tun. Auch teilweise kleinste Quadrate. Ich würde diese und mehrere andere Methoden, wie die von Ihnen genannten, ausführen und feststellen, welche Methode die beste Ist-Zeit ergibt. Vorausgesagte Ergebnisse mit bester RMSE. Hoffe das hilft.
