2023年10月15日
基因组选择中的SVM
摘要： 支持向量机（Support Vector Machines, SVM）是一种广泛应用于分类和回归问题的监督学习方法。在基因组选择（Genomic Selection, GS）的背景下，SVM主要用于二分类或回归问题，目的是预测个体的遗传潜力。 SVM的基本原理： SVM试图找到一个超平面，这个超平面 阅读全文
posted @ 2023-10-15 15:25 王哲MGG_AI 阅读(333) 评论(0) 推荐(1)
全基因组选择中的p>n
摘要： 当独立变量（或特征）的数量超过样本（或观察值）的数量时，会遇到所谓的“p > n”问题。在此，"p"指的是特征数量，而"n"指的是观察或样本数量。这里的特征可以是基因型数据中的单核苷酸多态性(SNPs)等。 以下是“p > n”问题的几个关键点： 过拟合: 当特征数量超过样本数量时，模型更容易过拟合 阅读全文
posted @ 2023-10-15 13:48 王哲MGG_AI 阅读(88) 评论(0) 推荐(0)
深度学习不如GBLUP的原因
摘要： 深度学习，尤其是最近几年，被广泛宣传为可以处理复杂问题的强大工具。然而，我们必须理解，在某些特定的问题或数据集上，传统的方法有时可能更适合或更稳定。以下是一些可能解释为什么在考虑G × E交互效应时，深度学习没有表现得像GBLUP模型那么好的原因： 数据量和复杂性：深度学习模型，特别是大型的网络，需 阅读全文
posted @ 2023-10-15 10:43 王哲MGG_AI 阅读(151) 评论(0) 推荐(0)
深度学习模型在基因组选择中的预测能力（统计、总结）
摘要： Gianola et al. [61]: 应用：基因组选择。 比较：多层感知器（MLP）与贝叶斯线性回归（BRR）。 结果：在小麦数据集中，随着隐藏层神经元数量的增加，MLP的预测能力提高。MLP对BRR的性能提高了11.2%至18.6%。在Jersey数据集中，MLP也超越了BRR，特别是在脂肪产 阅读全文
posted @ 2023-10-15 10:42 王哲MGG_AI 阅读(586) 评论(0) 推荐(0)