طبقه بندی سرطان مبتنی بر بیان ژن از طریق انتخاب ویژگی با طبقه بندی knn و svm

امروزه سرطان ها یکی از مهم ترین عوامل مرگ و میر انسان ها محسوب می شوند که فناوری ریز آرایه نقش مهمی در تشخیص، درمان و طبقه بندی انواع بافت های سرطانی دارد. وجود ژن های زیاد و تعداد اندک نمونه ها باعث ایجاد مشکلاتی در طراحی طبقه بندها شده است. بنابراین کاهش ابعاد و انتخاب تعداد کمی از ژن ها با دقت پیش بینی بالا برای طبقه بندی سرطان از چالش های مهم تحلیل داده های ریز آرایه است. در این مقاله مطالعه تاثیر روش های انتخاب ویژگی با استفاده از روش های فیلتر در دقت و خطای طبقه بندی نظارت شده سرطان را ارائه می کند. مقایسه بین روش های مختلف فیشر، t- آماری، snr و relieff با استفاده ازمجموعه داده های مختلف سرطان شامل سرطان خون، پروستات و روده بزرگ ارزیابی شده است. نتایج طبقه بندی با استفاده از طبقه بندی k نزدیک ترین همسایه (knn) و ماشین بردار پشتیبان (svm) که ترکیبی بین روش های snr و طبقه بندی svm با بالاترین دقت را نشان می دهد.