《表2 不同特征选择方法对比实验结果表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于结构和功能的多模态脑影像与基因变异的关联研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表2和图2可以看出，与t-test和SVM-RFE算法相比较，基于弹性网络的特征选择算法选出来的特征在回归实验中能取得的效果最好，尤其是当只使用脑功能连接边这一特征时，使用弹性网络特征提取方法获得的相关系数为0.3830，远远超过另外两种方法的效果。在这三种方法中，只有基于弹性网络的特征选择模型在进行训练时有效地结合了基因型数据携带的信息，而另外两种对比方法在特征选择阶段作出选择的依据与遗传信息毫无关联，仅仅与类别信息相关，从而损失了遗传数据的重要信息。