研究人员开发了ARISE，一种用于小样本生物医学组学数据特征选择的新型集成方法。该自适应框架整合了多种相关性信号，评估类别平衡稳定性，并控制残差信息冗余，特别适用于多类别结果。在对五个分子数据集和各种特征集大小的评估中，ARISE的性能持续优于现有方法，在平衡准确率、宏F1和Cohen's kappa方面均获得最高排名。 AI
影响 这项研究为组学数据提供了更稳健的特征选择方法，有望改进生物医学中的诊断和预测模型。
排序理由 该条目描述了在arXiv预印本上发布的新方法，详细介绍了其方法论和性能结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
