[论文解读] A Hybrid Both Filter and Wrapper Feature Selection Method for Microarray Classification

Li‐Yeh Chuang, Chao-Hsuan Ke+1 more|arXiv (Cornell University)|Dec 27, 2016

Gene expression and cancer classification被引用 28

一句话总结

该论文提出了一种混合特征选择方法，结合信息增益（过滤法）与改进的二值粒子群优化（包装法）用于微阵列分类。通过将基于过滤法的基因排序与基于包装法的搜索优化相结合，该方法识别出更小、更准确的基因子集，在计算成本低于独立方法的情况下实现了更高的分类准确率。

ABSTRACT

Gene expression data is widely used in disease analysis and cancer diagnosis. However, since gene expression data could contain thousands of genes simultaneously, successful microarray classification is rather difficult. Feature selection is an important pre-treatment for any classification process. Selecting a useful gene subset as a classifier not only decreases the computational time and cost, but also increases classification accuracy. In this study, we applied the information gain method as a filter approach, and an improved binary particle swarm optimization as a wrapper approach to implement feature selection; selected gene subsets were used to evaluate the performance of classification. Experimental results show that by employing the proposed method fewer gene subsets needed to be selected and better classification accuracy could be obtained.

研究动机与目标

• 为解决在疾病分类中存在数千个基因的高维微阵列数据挑战。
• 通过有效的特征选择降低计算成本并提高分类准确率。
• 结合过滤法与包装法的优势，实现更优的基因子集选择。
• 通过分类准确率与子集大小评估所选基因子集的性能。

提出的方法

• 使用信息增益作为过滤法，根据基因与疾病分类的相关性对基因进行排序。
• 采用改进的二值粒子群优化（BPSO）作为包装法，搜索最优基因子集。
• 通过信息增益筛选出的高排名基因初始化BPSO，实现过滤排序与包装搜索的集成。
• 在BPSO中使用分类准确率作为适应度函数，评估候选基因子集。
• 通过聚焦过滤阶段识别出的有前景基因组合，优化搜索过程。
• 采用两阶段方法：第一阶段使用过滤法进行初始基因排序，第二阶段使用包装法对最终子集进行优化。

实验结果

研究问题

• RQ1 结合过滤法与包装法是否能提升微阵列数据的分类准确率？
• RQ2 该混合方法是否能减少有效分类所需的基因数量？
• RQ3 将信息增益与改进的BPSO相结合，与独立的过滤法或包装法相比有何差异？
• RQ4 所提出的方法是否能在更小的基因子集上实现比现有方法更高的准确率？

主要发现

• 与单独使用过滤法或包装法相比，该混合方法实现了更高的分类准确率。
• 最终子集中所需基因数量更少，降低了计算成本并提升了可解释性。
• 将信息增益与改进的BPSO结合，实现了更快的收敛速度与更优的搜索效率。
• 所提出方法在准确率与基因子集大小两方面均优于基线方法。