مروری بر الگوریتم های طبقه بندی ریزآرایه های بیان ژن

طبقه بندی، عبارتست از جدا نمودن تعدادی از اشیا یا داده ها بر اساس یک یا چندین ویژگی، طوری که بتوان آنها را در گروه هایی معین و محدود، موسوم به کلاس، جای داد که هر کلاس ویژگی یا ویژگی های خاصی را شامل شده و از بقیه کلاس ها به طور کامل جدا شود. طبقه بندی می تواند به روش های مختلف انجام شود که در حوزه علوم و مهندسی کامپیوتر، انتخاب یک روش طبقه بندی موثر و کارآمد بسیار چالش برانگیز است. در این مقاله سه روش شبکه ی عصبی مصنوعی، ماشین بردار پشتیبان و k میانگین، برای طبقه بندی داده های بزرگ مانند ریزآرایه های بیان ژن، بررسی، تحلیل و مقایسه شده و مزایا و معایب هر کدام نیز بیان می شود. آشنایی با روش های طبقه بندی و ویژگی های آنها، در انتخاب یک روش بهینه برای طبقه بندی مفید خواهد بود. نتایج بررسی نشان می دهد که شبکه ی عصبی مصنوعی، در عین دقت بالا، نیاز به حافظه زیادی دارد که در داده های بزرگ باعث افت کارآیی می شود. ماشین بردار پشتیبان، حافظه بسیار کمتری مصرف می کند اما در یادگیری الگو دقت کمتری دارد. الگوریتم k میانگین نیز بسیار سریع است اما دقت کمتری در طبقه بندی دارد.

کلیدواژه ها:

داده های بیان ژن ، طبقه بندی ، شبکه های عصبی مصنوعی ، ماشین بردار پشتیبان ، K میانگین