高密度图谱上的分子标记数量众多,属于典型的高维数据,用传统的回归分析方法难以筛选。随机森林是一种基于决策树的算法,通过对决策树进行汇总,提高了模型的预测精度,可以用来解决回归问题与分类问题。本研究采用随机森林中的变量重要性评分的方法来对高密度遗传图谱上的与性状相关的单个标记进行选择,对不同遗传率、不同群体大小的情况进行了模拟研究,每个参数组合模拟100次,计算选出标记位置的均值与标准差,统计选择正确的次数,模拟结果表明该方法是一种行之有效的方法。
科研之友
微信
新浪微博
Facebook
分享链接
