選用了目前主流的分類器（比如 SVM，KNN）以及篩選特征值的方法（貪婪算法）篩選并建立穩(wěn)定的模型，幫助客戶篩選到靈敏度與特異性高的 maker。

分子建模預(yù)測(cè)

采用模式識(shí)別與數(shù)據(jù)挖掘技術(shù)有效進(jìn)行模型的構(gòu)建，將部分?jǐn)?shù)據(jù)拿來(lái)做訓(xùn)練集預(yù)測(cè)模型，然后部分?jǐn)?shù)據(jù)作為測(cè)試數(shù)據(jù)集（獨(dú)立樣本）來(lái)驗(yàn)證模型的準(zhǔn)確性。目的在于利用實(shí)驗(yàn)數(shù)據(jù)來(lái)篩選出一批靶標(biāo)基因，并以此構(gòu)建模型。小樣本數(shù)據(jù)的建模在于篩選并評(píng)判 maker 的穩(wěn)定性，便于后期實(shí)驗(yàn)驗(yàn)證；大樣本數(shù)據(jù)的建模用于進(jìn)行早期診斷、疾病預(yù)測(cè)。采用方法分為：線性分類器以及非線性分類器，并利用了 Leave-one-out cross-validation（LOOCV）以及 cross-validated misclassification error rate 的篩選策略找到優(yōu)選 MARKER。

1、小樣本建模：樣本數(shù)在 20 以上；