文章预览
Mime1为构建基于机器学习的集成模型提供了一个用户友好的解决方案，利用复杂的数据集来识别与预后相关的关键基因。 前面单独介绍了 Lasso ， randomForestSRC ， Enet（Elastic Net） ， CoxBoost 和 SuperPC 构建生存模型的方法和参数，本文介绍如何使用Mime1包一体式完成文献中的101种机器学习组合的分析，并输出文献级别的图。 除此以外额外介绍一下 （1）替换自己数据时注意的点 （2）如何 提取指定模型下的riskscore结果 进行后续分析 和 （3）如何 对目标癌种进行模型比较 （胶质瘤可以使用数据内置的）（ 个人认为更 重要 ） 一 载入R包， 数据 该包集合了10种机器学习的包，所以安装上会稍微繁琐一下，给点耐心缺什么下载什么。 # options("repos"= c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) # options(BioC_mirror="http://mirrors.tuna.tsinghua.edu.cn/bioconductor/") if (!re
………………………………
