摘要：
利用机器学习进行多组学数据分析 使用机器学习进行多组学分析的 3+2 个挑战 原文翻译： 3.1 异质性、稀疏性和异常值 来自不同高通量来源的多组学数据通常是异构的（Bersanelli et al., 2016）。例如，转录组学和蛋白质组学在组学分析之前使用不同的标准化和缩放技术。这导致不同的动态 阅读全文
摘要：
种类 模型 相对准确星 过拟合风险 所需测试数据量 可解释性 超参数调优 复杂度 实施时间 计算成本 基于概率的贝叶斯 贝叶斯网络 2 2 2 2 3 3 2 3 朴素贝叶斯 2 2 2 2 2 3 2 3 基于信息的决策树 决策树 2 3 2 3 2 2 1 2 随机森林 3 2 1 3 3 2 阅读全文