《表2 三种监督学习分类器特性比较a》

  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

《基于质谱的蛋白质生物标志物发现中的特征选择与机器学习方法研究进展》

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

蛋白质组学是一个相对年轻、蓬勃发展和不断扩大的领域，基于蛋白质组数据进行生物标志物发现尚未形成公认的通用数据分析流程，理解方法的使用条件显得尤其重要。基于文献调研[12，46，56-58]与使用经验，本文从缺失值容忍、分类能力、（对离群值的）鲁棒性、避免过拟合、降维、可解释性及可视化7个方面对3种分类器进行特性比较（表2）。