基于过采样技术和随机森林的不平衡微阵列数据分类方法研究

近年来，应用dna微阵列技术对疾病，尤其是癌症进行诊断，已逐渐成为生物信息学领域的研究热点之一。对比其它的数据载体，微阵列数据通常具有一些独有的特点。针对微阵列数据样本分布不平衡这一特点，提出了一种基于概率分布的过采样技术，通过该技术可以为少数类建立一些合理的伪样本，从而使各类的样本数达到均衡，然后使用随机森林分类器对其进行分类。该方法的有效性和可行性已经在两个标准的微阵列数据集上得到了验证。实验结果显示，与传统的方法相比，该方法可以获得更好的分类性能。