[发明专利]通过偏差校正和分类预测生成生物标记签名的系统和方法

权利要求书

1.一种由处理器运行的将数据集分类到两个或更多个分类的计算机实现的方法，包括：

(a)接收训练数据集和训练分类集，所述训练数据集的元素表示患病病人、对疾病有抵抗力的病人或未患病病人的基因表达数据，所述训练分类集包括已知标签的集合，各已知标签标识与所述训练数据集中的每个元素相关联的分类；

(b)接收测试数据集；

(c)通过将第一机器学习技术应用到所述训练数据集和所述训练分类集来生成用于所述训练数据集的第一分类器；

(d)通过根据所述第一分类器对所述测试数据集中的元素进行分类来生成第一测试分类集；

(e)通过将所述训练数据集中的元素移动与训练分类质心的集合的中心相对应的量来变换所述训练数据集，其中各训练分类质心代表所述训练数据集中的元素的子集的中心；以及

(f)对于多次迭代中的每一次：

(i)通过将所述测试数据集中的元素移动与测试分类质心的集合的中心相对应的量来变换所述测试数据集，其中各测试分类质心代表所述测试数据集中的元素的子集的中心；

(ii)通过根据第二分类器对经变换的测试数据集中的元素进行分类来生成第二测试分类集，其中所述第二分类器是通过将第二机器学习技术应用到经变换的训练数据集和所述训练分类集而生成的；

(iii)当所述第一测试分类集与所述第二测试分类集不同时，将所述第二测试分类集存储为所述第一测试分类集并将所述经变换的测试数据集存储为所述测试数据集并且返回步骤(i)。

2.根据权利要求1所述的方法，还包括当所述第一测试分类集与所述第二测试分类集并非不同时，输出所述第二测试分类集。

3.根据权利要求1-2中任一个所述的方法，其中所述训练数据集是从总数据集中的样本的随机子集形成的，所述测试数据集是从所述总数据集中的样本的剩余子集形成的。

4.根据权利要求1-2中任一个所述的方法，其中步骤(e)处的移动包括对所述训练数据集应用旋转、剪切、线性变换或非线性变换来获得所述经变换的训练数据集。

5.根据权利要求1-2中任一个所述的方法，其中步骤(i)处的移动包括对所述测试数据集应用旋转、剪切、线性变换或非线性变换来获得所述经变换的测试数据集。

6.根据权利要求1-2中任一个所述的方法，其中：

所述测试数据集包括已知标签的测试集合，各已知标签标识与所述测试数据集中的每个元素相关联的分类；

所述第一测试分类集包括用于所述测试数据集的预测标签的集合；并且

所述第二测试分类集包括用于所述经变换的测试数据集的预测标签的集合。

7.根据权利要求1-2中任一个所述的方法，还包括对于所述多次迭代中的每一次，将所述第一测试分类集与所述第二测试分类集进行比较。

8.根据权利要求1-2中任一个所述的方法，其中第一机器学习技术和第二机器学习技术是相同的机器学习技术。

9.根据权利要求1-2中任一个所述的方法，其中步骤(e)处的变换是通过应用与步骤(i)的变换相同的变换来执行的。

10.根据权利要求1-2中任一个所述的方法，还包括将所述第二测试分类集提供到显示设备、打印设备或存储设备。

11.根据权利要求1-2中任一个所述的方法，其中如果所述第一测试分类集中的任一元素与所述第二测试分类集中的相应元素不同，则所述第一测试分类集和所述第二测试分类集不同。

12.根据权利要求1-2中任一个所述的方法，其中所述第二测试分类集包括用于所述经变换的测试数据集的预测标签的集合，所述方法还包括：通过计算代表所述第二测试分类集中的正确预测标签的数目除以预测标签的总数的性能度量来评价所述第二分类器。