مقایسه الگوریتم های برپایه یادگیری ماشین بر دقت تخمین داده های گمشده حاصل از آزمایش های ریزآرایه

وجود داده های گمشده در داده های ریزآرایه، سبب کاهش دقت رسم شبکه های تنظیمی ژن، ایجاد اشتباه در خوشه بندی و تقسیم بندی تخصصی ژن ها و سایر تحلیل ها می شود. بنابراین تخمین داده-های گمشده مرحله مهمی در پیش پردازش داده های ریزآرایه، محسوب می شود. عملکرد الگوریتم-های تخمین در مجموعه داده های مختلف و با درصدهای متفاوت گمشدگی، متغیر است. همواره انتخاب مناسب ترین الگوریتم به منظور دستیابی به بیشترین دقت در محاسبات داده های گمشده از اهمیت خاصی برخوردار است. در این مطالعه از سه مجموعه داده آزمایش های ریزآرایه استفاده شد. پس از مشخص کردن ابعاد ماتریس بیانی و نرمال کردن داده ها، درصدهای مختلفی از گمشدگی، بر مجموعه داده های مورد مطالعه اعمال شد. سپس نتایج حاصل با استفاده از 11 الگوریتم بر پایه یادگیری ماشین، به منظور بررسی میزان دقت هر یک از الگوریتم ها در تعیین میزان درصد گمشدگی، مورد مقایسه قرار گرفت. بر اساس نتایج، دقت الگوریتم های مختلف به مجموعه داده به کار رفته، درصد گمشدگی و توزیع گمشدگی داده ها وابسته است. همچنین تعداد نمونه های آزمایشی موجود در مجموعه داده ها نیز می تواند بر دقت الگوریتم های تخمین داده های گمشده موثر باشد. نتایج بیانگر کاهش دقت تمامی الگوریتم ها با افزایش درصد داده های گمشده بود، اما الگوریتم های Least Square Adaptive و Local least square دقت بیشتری در مقابل افزایش درصد گمشدگی داده ها نسبت به سایر الگوریتم ها نشان دادند.