Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Rgtsp: a generalized top scoring pairs package for class prediction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14110%2F11%3A00052507" target="_blank" >RIV/00216224:14110/11:00052507 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1093/bioinformatics/btr233" target="_blank" >http://dx.doi.org/10.1093/bioinformatics/btr233</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1093/bioinformatics/btr233" target="_blank" >10.1093/bioinformatics/btr233</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Rgtsp: a generalized top scoring pairs package for class prediction

  • Popis výsledku v původním jazyce

    A top scoring pair (TSP) classifier consists of a pair of variables whose relative ordering can be used for accurately predicting the class label of a sample. This classification rule has the advantage of being easily interpretable and more robust against technical variations in data, as those due to different microarray platforms. Here we describe a parallel implementation of this classifier which significantly reduces the training time, and a number of extensions, including a multi-class approach, which has the potential of improving the classification performance.

  • Název v anglickém jazyce

    Rgtsp: a generalized top scoring pairs package for class prediction

  • Popis výsledku anglicky

    A top scoring pair (TSP) classifier consists of a pair of variables whose relative ordering can be used for accurately predicting the class label of a sample. This classification rule has the advantage of being easily interpretable and more robust against technical variations in data, as those due to different microarray platforms. Here we describe a parallel implementation of this classifier which significantly reduces the training time, and a number of extensions, including a multi-class approach, which has the potential of improving the classification performance.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    FP - Ostatní lékařské obory

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Bioinformatics

  • ISSN

    1367-4803

  • e-ISSN

  • Svazek periodika

    27

  • Číslo periodika v rámci svazku

    12

  • Stát vydavatele periodika

    GB - Spojené království Velké Británie a Severního Irska

  • Počet stran výsledku

    2

  • Strana od-do

    1729-1730

  • Kód UT WoS článku

    000291261300032

  • EID výsledku v databázi Scopus