A Two-step Feature Selection Framework for Computationally Efficient Machine Learning on Genome-wide SNP Data
यह शोध पत्र एक दो-चरणीय फीचर चयन ढांचे का प्रस्ताव करता है जो 61 मिलियन SNPs को एक गणनात्मक रूप से सुलभ उपसमूह में कम करने के लिए वेरिएंस-आधारित हार्ड फ़िल्टरिंग को XGBoost के साथ जोड़ता है, जिससे अत्यधिक संसाधन आवश्यकताओं के बिना बड़े पैमाने के जीनोमिक डेटासेट पर कुशल मशीन लर्निंग-आधारित भौगोलिक उत्पत्ति की भविष्यवाणी सक्षम होती है।