《表1 用Lasso回归和岭回归对水稻4个性状进行全基因组预测的效果》

  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JMP软件的Lasso及岭回归在水稻全基因组预测中的应用》

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

**表示相关系数在α=0.01的水平上具有统计学意义

表1列出了用岭回归和Lasso回归对产量、千粒重、分蘖数及单株谷粒数等4个性状进行全基因组预测的模型性能和预测效果评价指标的估计值，并在图1中对两种预测方法和不同性状的预测效果进行了比较．决定系数（R2）反映的是模型的拟合优度，均方根误差RASE和平均绝对误差AAE也是模型性能评价的常用指标，其中AAE受离群值影响较小；预测值与实际值的相关系数（r）在全基因组选择中通常被用来衡量预测的准确性．表1和图1的结果表明，两种预测方法对于4个性状都有较好的预测效果（最小的r=0.721 8），但Lasso回归的模型拟合及预测效果一致地优于岭回归，其中拟合最好的是千粒重的Lasso回归预测模型（R2=0.932 5），即模型解释了该性状变异的93.25%．图2是各性状的实际值-预测值图，从中可以看出岭回归预测值的变异性都大于Lasso回归．对于这两种预测方法，4个性状的模型拟合及预测效果的次序为:千粒重>分蘖数>单株谷粒数>产量．