English(EN) StackFeat RL: Reinforcement Learning over Iterative Dual Criterion Feature Selection for Stable Biomarker Discovery

强化学习优化特征选择以实现稳定的生物标志物发现

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了StackFeat-RL，一个用于高维基因组数据特征选择的新型元学习框架。该方法利用强化学习，特别是REINFORCE策略梯度，来优化迭代双标准特征选择算法。双标准确保了系数一致性和选择频率，旨在实现生物标志物发现的准确性、稀疏性和稳定性。 AI

影响引入了一种新颖的基于RL的生物标志物发现方法，该方法需要更少的特征并 achieves 更高的预测准确性。

排序理由这是一篇详细介绍使用强化学习进行特征选择的新方法的研究论文。

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · A. Yermekov, D. A. Herrera-Mart\'i · 2026-04-28 04:00

StackFeat RL: Reinforcement Learning over Iterative Dual Criterion Feature Selection for Stable Biomarker Discovery

arXiv:2604.22892v1 Announce Type: new Abstract: Feature selection in high-dimensional genomic data ($d \gg n$) demands methods that are simultaneously accurate, sparse, and stable. Existing approaches either require manual threshold specification (mRMR, stability selection), prod…