跳到主要内容
检索

# 随机森林

20 篇关联报道

订阅更新
  1. bioRxiv

    刺激后的脑响应比公认时长多一倍:SafeLens用静息数据自建零分布,把皮层诱发电位测到1040毫秒

    SafeLens把非线性机器学习与严格的假阳性控制结合起来,用于分析事件锁定的神经活动。它在每个滑动窗口位置训练随机森林,区分事件锁定试次与静息试次,再用单独留出的静息记录跑同一流程,得到与模型匹配的经验零分布,从而在通道水平控制族错误率。在注入模拟皮层-皮层诱发电位的真实静息颅内脑电上,它检出的极性分辨偏转约为试次平均阈值法和最接近的数据驱动方法的2.5倍,假成分少5至11倍;在八名患者的记录中,响应在刺激后1040毫秒仍高于随机水平,而两个对照分别为570毫秒和455毫秒。

  2. researchsquare.com

    纳米颗粒安全性不再只看材料本身:把宿主反应编成一条轴,预测AUC从0.66升到0.90

    纳米颗粒的神经安全性难以仅凭材料性质预测,因为暴露条件、疾病背景和宿主反应会改变结局。研究者把599项神经相关研究中的893个实验情境整合为促炎、抗炎/消退与凋亡三类反应程序,构建“保守反应轴”,在材料性质之外逐层加入暴露与生物学背景、细胞反应信息。随机森林模型下,生物安全性预测的ROC-AUC从仅用材料性质的0.66升到加入背景后的0.88,再加入细胞反应后为0.90;恢复预测相应为0.64、0.77和0.78。

  3. researchsquare.com

    帕金森病脑电微状态跨队列失灵:同一特征空间里,队列来源判别AUC达0.966

    把静息脑电的A/B/C/D微状态序列扩展成静态、有向转移、流量与复杂度四类特征后,帕金森病与健康对照的判别在开发队列内达到ROC-AUC 0.823,但在独立OpenNeuro队列上锁死测试时降到0.513,接近随机。同一特征空间里,一个判别数据来源的分类器达到ROC-AUC 0.966,说明两个队列的特征分布本身差异很大。研究据此把队列内判别与跨队列可迁移性分开评估,并提示在把微状态特征当作可复现电生理标志物之前需要显式的分布偏移检查。

  4. researchsquare.com

    湿地松育种不再只靠表型:按训练折做关联预选,生长性状预测能力提高11.9%

    湿地松育种周期长达十几年,基因组选择能否加速取决于标记怎么选。一项针对240株湿地松的研究把全基因组关联分析限制在每个训练折内部,用关联显著性预选SNP,再比较八种预测模型和十二种标记密度。生长性状的平均预测能力从随机选标记的0.242升到0.271,提高11.9%;木材品质仅提高2.2%,松脂性状没有变化,而按PVE或跨折重现频率加入的QTN协变量在12个性状中有9个未超过无协变量基线。

  5. researchsquare.com

    测试用例不再逐条手写:五个智能体分工自审,跨五个数据集变异得分均值93.4%

    软件测试用例设计长期依赖人工,而把生成当作一次性文本翻译的模型难以处理多层业务规则。一个由解析、分诊、架构、编写、审计五个角色组成的智能体流水线,把测试生成改成带状态的推理流程,审计角色在输出前反复修正脚本。在旅行、电信、金融监管与政府岗位匹配五个数据集上,该流水线的变异得分均值为93.4%,幻觉率1.4%,冗余率7.8%,但平均生成时间达21.2小时。

  6. researchsquare.com

    臭氧预报不再直接学原始序列:两级分解加两尺度选特征,北京日臭氧MAE降到0.535

    臭氧浓度预报改用两级分解与两尺度特征选择。原始序列先经ICEEMDAN分解,复杂度最高的IMF1再由VMD二次分解,其余子序列按模糊熵重构;随后用偏自相关函数与随机森林两级筛选输入维度,最后交给时间卷积网络预测。北京与上海日臭氧数据上,该组合模型的MAE、RMSE、SMAPE分别为0.53509、0.73346、0.8433%,在四组对比实验中指标最优。

  7. medRxiv

    尿液代谢物不用标签也能分出癌症:四代谢物面板在八种癌上保留九成监督学习判别力

    一个四代谢物尿液与血浆面板在八种癌症中把病例与对照分开,且一个全程不使用结局标签的模型仍达到AUC 0.925,接近监督学习的0.991。

  8. medRxiv

    PCOS筛查不再只看总准确率:最罕见亚型召回从75%升到87.5%

    多囊卵巢综合征的机器学习筛查长期只报告一个二分类准确率,掩盖了各临床亚型之间的差异。在541名患者的公开数据集上,调优后的随机森林各亚型准确率从最罕见亚型的75.0%到最常见亚型的97.8%,相差22.8个百分点,剔除用于定义亚型的七个变量后差距为23.3个百分点。一种由随机森林筛选特征、遗传算法调参的多任务神经网络同时预测二分类标签与亚型,保持90.2%的二分类准确率,把最罕见亚型召回从75.0%提高到87.5%,把难以归类病例的召回从多分类模型的31.5%提高到79.6%。

  9. bioRxiv

    DNA甲基化读出细胞分化程度:不用转录组,也能看到衰老组织向间充质漂移

    DNA甲基化数据此前缺少通用的分化状态量化方法,EpiDiff用1298个分化相关CpG训练随机森林,输出0到1的连续分化指数。它在独立数据集上分类准确率0.97,并在多种分选细胞中随年龄升高,其背后是许多细胞类型向中胚层方向的发育性表观漂移。

  10. medRxiv

    将训练窗口从分娩前最后一小时扩展到整个产程并加入产程起始时间后,模型在分娩前至少3小时识别出40.3%的缺氧缺血性脑病病例,较仅用最后一小时的分类器提高8.4个百分点

    该研究基于Kaiser Permanente Northern California的174,186例胎龄≥35周分娩数据,从20分钟时段提取40个胎心监护(CTG)特征训练随机森林分类器,分别以严重酸中毒(N=2,636)和临床验证的缺氧缺血性脑病(HIE,N=304)为目标,将训练窗口从分娩前最后一小时逐步扩展至整个产程并加入产程起始时间(TLO)特征,在固定15%假阳性率下评估,发现早期识别能力随窗口扩展而提升并在18小时趋于平台,加入TLO后性能最佳:40.3%的HIE病例在分娩前至少3小时、27.3%在至少6小时被识别,较仅用最后一小时的分类器绝对提升8.4%和10.7%,55.7%的HI