随机森林算法在中药指纹图谱中的应用：以不同品牌夏桑菊颗粒指纹图谱分析为例(2)

http://www.100md.com 2017年4月1日 《中国中药杂志》2017年第7期

     化学计量学方法已被广泛地应用于多个学科的分析工作，包括药物的代谢组学、基因组学、药材质量控制、植物分类等研究[24]；尤其在指纹图谱等多维的数据分析中显示出优势，也是其重要的分析手段，已经得到广泛的应用[56]。目前常用的方法主要分为2类，一类是无监督的分析方法主要有主成分分析(PCA)、聚类分析(HCE) 、独立成分分析(ICA)等；另一类被称为有监督的分析方法，主要有判别分析(DA)、偏最小二乘法分析(PLS) 、偏最小二乘判别分析(PLSDA)，正交校正的偏最小二乘法分析(OPLS)、最近邻算法(KNN)、人工神经网络(ANN)等[7]。其中，作为目前分析最常用的算法PCA与PLSDA等均存在一定的缺陷，如PCA 对离群点较敏感，PLSDA 容易产生过拟合现象[8]。随着数据的复杂性不断增加，一些更先进的机器学习方法，如支持向量机(SVM)、随机森林(RF)、核主成分分析(KPCA)等越来越多地用于相关数据分析[9]。其中，随机森林作为一种分类和预测模型，在许多领域取得了广泛的应用[1011]。随机森林算法凭借其精度高、适用性广、非线性数据分析能力强、不易过拟合等优势，成为近年来生物医学及生物信息学十分热门的前沿研究领域之一[12] ......