SVM 类预测

开始之前

通常，您使用一个数据集来训练分类器和其他对其进行测试。每个基因表达数据集包含两个文件:

• GCT或RES文件 包含基因表达数据.
  示例文件(培训数据): all_aml_train.gct.
  示例文件(测试数据): all_aml_test.gct.
• CLS 文件 标识在基因表达数据的每个样本的类.
  示例文件(培训数据): all_aml_train.cls.
  示例文件(测试数据): all_aml_test.cls.

数据集必须包含相同的基因或SVM显示一条错误消息.

了解更多: 文件格式

步骤 1: SVM

支持向量机模块建立和/或测试分类符通过运行类支持向量机预测方法:

• 要建立一个分类器，指定训练数据集。该模块创建一个分类器(模型).
• 测试以前生成的分类器, 指定分类器(.模型)和测试数据集. 该模块将创建预测结果文件(.pred.odf)，它评估预测的准确性。
• 构建和测试分类器，指定培训和测试数据集。该模块创建一个分类器和预测结果文件。

了解更多: SVM

步骤2：查看结果

要查看预测结果文件(.pred. odf)，使用PredictionResultsViewer模块. 对于每个示例，该查看器列出了实际的类，预测类别，并预测错误率.

分类器(.模型)是一个二进制(机器可读的)文件。无法查看，但可以作为SVM的输入模块。

注意事项

• 该PredictionResultsViewer提供了一个绝对错误率(不正确的情况下/例)和ROC错误率(正确接受的分数相对误报的分数). 使用ROC错误率比较结果的数据集.

了解更多: 成果r

步骤3：确定未知样本的类

使用支持向量机模块对未知样本进行分类:

• 使用保存模型文件 参数指定先前生成的分类器(。模型文件)
• 应用 测试文件名 参数指定包含未知样本的数据集表达式.
• 测试类文件名 是一个必需的参数，它指定表达式中的数据集的每个样本的类。对未知样品 创建一个类文件分配某些类(例如，"unknown")每个示例。

模块使用分类器来预测每个未知样本的类，并创建一个预测结果文件. 使用PredictionResultsViewer模块，以查看预测结果(。pred。 odf)文件:

• 观众列出了每个样品其实际的和预测的类.
• 忽略实际的类，这是未知的.
• 忽略错误率，评价该类预测是反对"known"数据.