LuanVan.vnLuận Văn
Gửi thư

LỰA CHỌN GENE FAMILY ĐỂ CHẨN ĐOÁN BỆNH VỚI RANDOM FOREST VÀ LOCAL INTERPRETABLE MODEL-AGNOSTIC EXPLANATIONS

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrương Huỳnh Tú Như
Người hướng dẫnNguyễn Thanh Hải; Sử Kim Anh
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Các mô hình học máy hoạt động trên dữ liệu Gene Family có thể yêu cầu tài nguyên tính toán đáng kể do số lượng đặc trưng rất lớn, dẫn đến thời gian huấn luyện kéo dài và đòi hỏi rất nhiều thời gian để tính toán. Việc chọn lọc đặc trưng không chỉ giúp giảm thiểu chi phí tính toán, đẩy nhanh quá trình xử lý mà còn hạn chế tối đa việc loại bỏ những đặc trưng quan trọng có ảnh hưởng đến kết quả dự đoán. Nghiên cứu này đã đánh giá ảnh hưởng của phương pháp LIME trong việc chọn lọc đặc trưng kết hợp với mô hình Random Forest (RF) và Gradient Boosting Classifier (GBC). Kết quả thực nghiệm cho thấy phương pháp chọn lọc đặc trưng dựa trên LIME đạt độ chính xác tốt hơn so với phương pháp chọn lọc truyền thống của RF. Đặc biệt, trong hầu hết các trường hợp LIME giúp cải thiện độ chính xác so với dữ liệu gốc và đặc biệt trên các tập dữ liệu CIR, COL và WT2D. Bên cạnh đó, khi so sánh với các phương pháp của nghiên cứu trước đây như Principal Component Analysis và Random Projection, việc kết hợp RF + LIME cho thấy hiệu suất phân loại tốt hơn. Những kết quả này cho thấy LIME là một phương pháp hiệu quả trong việc lựa chọn đặc trưng, giúp nâng cao độ chính xác của mô hình mà vẫn giữ lại các yếu tố quan trọng.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.