Consulta sobre detección de respuesta<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Tengo una base de datos interactiva de 67 niveles de genes en múltiples muestras ~ 100. Estos genes fueron elegidos por su actividad probable. Muchos de los genes son interactivos con otros. Estoy tratando de determinar el mejor grupo de genes que se correlacionan con cada gen individual. Al usar varias plataformas (utilidad de detección de predictores, árbol / bosque reforzado en la partición, detección de respuesta en el modelado y selección en el modelado), obtengo una jerarquía similar de genes, lo que tiene sentido biológico. Sin embargo, al utilizar el análisis de respuesta en el modelo de ajuste, obtengo una jerarquía muy diferente, lo que tiene mucho menos sentido biológico. Cualquier idea de por qué la respuesta de detección en el modelo de ajuste es tan diferente.
Gracias neal
Re: Consulta sobre detección de respuestaMuchas gracias
Re: Consulta sobre detección de respuestaRex, creo que la respuesta está en el hecho de que las plataformas Fit Model tienden a dar resultados que brindan el mejor ajuste (el RMSE más bajo) calculado a partir de los datos después del hecho. Otros métodos están diseñados para dar lo mejor. modelo predictivo Más bien que el modelo mejor ajustado.
Re: Consulta sobre detección de respuestaMuchas gracias. esto es muy útil. Los mínimos cuadrados parciales funcionan bien. Mi consulta es ¿por qué la selección de respuesta en la plataforma del modelo de ajuste difiere de la evaluación de respuesta en la plataforma del modelo?
Re: Consulta sobre detección de respuesta¿Has probado las redes neuronales? Definitivamente lo haría como uno de mis primeros pasos. También mínimos cuadrados parciales. Haría estos y varios otros métodos, como los que mencionaste, y determinaría qué método da el mejor Real vs. Resultados pronosticados, con el mejor RMSE. Espero que esto ayude.
