Resumen

El aprendizaje automático se ha utilizado cada vez más con datos de expresión génica de microarrays y para el desarrollo de clasificadores utilizando una variedad de métodos. Sin embargo, las comparaciones de métodos en conjuntos de datos de estudios cruzados son muy escasas. Este estudio compara el rendimiento de siete métodos de clasificación y el efecto del voto para predecir el resultado de la metástasis en pacientes con cáncer de mama, en tres situaciones: dentro del mismo conjunto de datos o entre conjuntos de datos en plataformas de microarrays similares o diferentes. La combinación de resultados de clasificación de siete clasificadores en una decisión de voto tuvo un rendimiento significativamente mejor durante la validación interna y la validación externa en plataformas de microarrays similares que los métodos de clasificación subyacentes. Al validar entre diferentes plataformas de microarrays, el bosque aleatorio, otro método basado en votación, demostró ser el método con mejor rendimiento. Concluimos que los clasificadores basados en votación proporcionaron una ventaja en cuanto a la

• Materias:Energías renovables Hidrocarburos Infección Enfermedades mentales Tumor
• Subjects:Renewable energy Hydrocarbons Infection Mental illness Tumor
• Palabras claves:Aprendizaje automático; Datos de expresión génica de microarrays; Clasificadores; Votación; Resultado de metástasis; Pacientes con cáncer de mama
• Keywords:Machine learning; Microarray gene expression data; Classifiers; Voting; Metastasis outcome; Breast cancer patients