PROMETHEE filter-based method for microarray gene expression data

Abstract

Набори даних експресії генів успішно застосовуються для різних цілей, включаючи класифікацію раку. Проблеми, з якими стикаються при розробці ефективних класифікаторів для наборів даних виразів, полягають у великій вимірності та перенавчанні. Відбір генів є ефективним і діючим методом подолання цих проблем і підвищення точності прогнозування класифікатора. Базуючись на PROMETHEE, ця стаття представляє ансамблевий підхід з декількома фільтрами шляхом інтеграції результатів двох потенційних фільтрів, а саме: MaCΨ-фільтра та PCRWG-фільтра для попереднього вибору найбільш інформативних генів. Були проведені експерименти на дев’яти наборах даних мікроматриці, щоб продемонструвати ефективність запропонованого методу.Gene expression datasets have been successfully applied for a variety of purposes, including cancer classification. The challenges faced in developing effective classifiers for expression datasets are high dimensionality and over-fitting. Gene selection is an effective and efficient method to overcome these challenges and improve the predictive accuracy of a classifier. Based on PROMETHEE, this paper introduces a multi-filter ensemble approach by integrating the results of two potential filters namely MaCΨ-filter and PCRWG-filter to pre-select the most informative genes. Experiments were conducted on nine microarray datasets to demonstrate the performance of the proposed method.