结直肠癌数据中阶段的多类分类

Question

我正在开展一个使用基因表达数据进行结直肠癌分期多分类的项目。我的数据集包含 11 个生物标志物。分类结果约为 40%。我尝试过使用 KNN、SVM、神经网络进行分类的不同模型......，并且我尝试过来自集成机器学习的算法。有谁知道我可以用数据集做什么来改善结果？

Answer 1

要决定下一步做什么，您需要一些指标：

1. 人类专家团队对数据的分类能力如何？
2. 训练数据集上的模型准确度如何？
3. 测试数据集上的模型准确度是多少？

如果训练准确度比人类专家差很多，你应该增加模型的复杂度，直到训练结果接近或超过人类专家。您可以通过增加输入特征的数量、选择不同的机器学习模型或增加 NN 中的层数来做到这一点。如果训练准确度较差，则需要先改进这一点，然后再花时间提高测试准确度。

如果训练准确度很好，但测试准确度比训练准确度差很多，则可能是过拟合。获取或创建更多训练数据，并使用正则化。