P*****6
发帖数: 273 | 1 请问各位大牛，有人知道data mining 的技术在bioinformatics上的应用效果如何？随着一个样品的各种类型的测序结果越多，high dimension curse 应该更大了。我觉得即使是sparse 的各种算法也只能改进一小部分。看理论分析和simulation，个人认为算法的改进对最终的predict error的改进从生物医学的角度其实显著性并不高。Bayesian statistics 整合多个database会有不会有较大改进？ |
L********d
发帖数: 3820 | 2 bioinfo不就是一直在用data mining的各种技术么？
算法再怎么改都比不过你的数据量多有用，high dimension curse主要是data数量不够
要想build一个好predictor，有足够精确的training sample才是王道
bayesian statistics和classic方法的区别就是bayesian combine了prior knowledge和
observations，什么叫综合了很多databases?
bayesian methods早就已经广泛并大量地应用在bioinfo中了
随着一个样品的各种类型的测序结果越多，high dimension curse 应该更大了。我觉
得即使是sparse 的各种算法也只能改进一小部分。看理论分析和simulation，个人认
为算法的改进对最终的predic
【在 P*****6 的大作中提到】
: 请问各位大牛，有人知道data mining 的技术在bioinformatics上的应用效果如何？随着一个样品的各种类型的测序结果越多，high dimension curse 应该更大了。我觉得即使是sparse 的各种算法也只能改进一小部分。看理论分析和simulation，个人认为算法的改进对最终的predict error的改进从生物医学的角度其实显著性并不高。Bayesian statistics 整合多个database会有不会有较大改进？
|
P*****6
发帖数: 273 | 3 感谢楼上的回答，我也觉得足够的training sample至关重要。Bayesian statistics
我没有用过，正想用，不知道效果如何。我说综合了多个databases的意思跟你的一样
。 prior knowledge 更科学。
knowledge和
【在 L********d 的大作中提到】
: bioinfo不就是一直在用data mining的各种技术么？
: 算法再怎么改都比不过你的数据量多有用，high dimension curse主要是data数量不够
: 要想build一个好predictor，有足够精确的training sample才是王道
: bayesian statistics和classic方法的区别就是bayesian combine了prior knowledge和
: observations，什么叫综合了很多databases?
: bayesian methods早就已经广泛并大量地应用在bioinfo中了
:
: 随着一个样品的各种类型的测序结果越多，high dimension curse 应该更大了。我觉
: 得即使是sparse 的各种算法也只能改进一小部分。看理论分析和simulation，个人认
: 为算法的改进对最终的predic
|
