English(EN) Feature Dimensionality Outweighs Model Complexity in Breast Cancer Subtype Classification Using TCGA-BRCA Gene Expression Data

研究发现特征维度比模型复杂度对乳腺癌分类更关键

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-07 16:55

一项发表在arXiv上的新研究，利用TCGA-BRCA的基因表达数据评估了用于分类乳腺癌亚型的机器学习模型。研究发现，特征维度对分类性能有显著影响，其重要性常常超过模型复杂度。逻辑回归在包括罕见类别在内的所有亚型中表现出最均衡的性能，而随机森林和SVM对特征选择和维度敏感度各不相同。 AI

影响强调了在高维生物分类任务中特征选择和模型简洁性的重要性。

排序理由关于机器学习应用于生物数据的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Meena Al Hasani · 2026-05-08 04:00

使用TCGA-BRCA基因表达数据，特征维度在乳腺癌亚型分类中胜过模型复杂度

arXiv:2605.06562v1 Announce Type: new Abstract: Accurate classification of breast cancer subtypes from gene expression data is critical for diagnosis and treatment selection. However, such datasets are characterized by high dimensionality and limited sample size, posing challenge…
arXiv cs.LG TIER_1 English(EN) · Meena Al Hasani · 2026-05-07 16:55

特征维度在利用TCGA-BRCA基因表达数据进行乳腺癌亚型分类中胜过模型复杂度

Accurate classification of breast cancer subtypes from gene expression data is critical for diagnosis and treatment selection. However, such datasets are characterized by high dimensionality and limited sample size, posing challenges for machine learning models. In this study, we…