Skip to main content

Table 1 AUC by data type and marker count.

From: Feature selection and classifier performance on diverse bio- logical datasets

Marker Set Size

SNP

mRNA

CNV

microRNA

Protein

8

RFE

ET

0.8598

RFE

ET

0.9585

RFE

LR

0.7198

RFE

RF

0.8352

RFE

ET

0.9426

 

RFE

RF

0.8591

RFE

RF

0.9554

ET

LR

0.7115

RFE

SVM

0.8352

ET

ET

0.9394

 

RFE

SVM

0.8321

RFE

SVM

0.9521

RF

LR

0.71

RFE

KNN

0.8295

RFE

RF

0.9382

 

ET

ET

0.8295

RFE

LR

0.951

RFE

ET

0.691

RFE

ET

0.8275

RF

ET

0.9376

    

RFE

KNN

0.9467

RFE

RF

0.6802

Anova

SVM

0.8089

ET

RF

0.9312

          

Anova

LR

0.8051

RF

RF

0.9272

          

RF

ET

0.8028

   
          

RF

RF

0.8027

   
          

RFE

LR

0.8021

   
          

RF

LR

0.802

   

16

RFE

ET

0.922

RFE

ET

0.972

ET

LR

0.7616

RFE

SVM

0.8758

RFE

ET

0.9666

 

RFE

RF

0.9162

RFE

LR

0.9709

RFE

LR

0.7607

RFE

KNN

0.8704

ET

ET

0.9582

 

RFE

SVM

0.9111

RFE

RF

0.9681

RF

LR

0.7468

RFE

RF

0.8671

RFE

RF

0.9565

 

RFE

KNN

0.9033

RFE

SVM

0.968

   

RFE

ET

0.8597

   
 

ET

ET

0.8997

RFE

Cos

0.9663

   

RFE

LR

0.8535

   
 

RFE

LR

0.897

      

Anova

SVM

0.8496

   
 

RF

ET

0.896

            
 

ET

RF

0.8914

            

32

RFE

LR

0.9685

RFE

LR

0.9759

RFE

LR

0.8194

RFE

KNN

0.8806

RFE

ET

0.9792

 

RFE

SVM

0.9674

RFE

ET

0.9757

   

RFE

RF

0.8801

   
 

RFE

KNN

0.966

RF

LR

0.9747

   

RFE

ET

0.8717

   
 

RFE

ET

0.9646

RFE

Cos

0.9736

   

RFE

SVM

0.8679

   
 

RFE

RF

0.9577

RFE

RF

0.9734

   

RFE

LR

0.866

   
    

RFE

SVM

0.9734

         

64

RFE

KNN

0.9911

RF

LR

0.9789

RFE

LR

0.8379

RFE

KNN

0.8746

RFE

ET

0.979

 

RFE

LR

0.9892

RFE

LR

0.9777

   

RFE

LR

0.8688

RFE

LR

0.9782

 

RF

LR

0.9862

RFE

Cos

0.977

   

RFE

RF

0.8682

RF

LR

0.9731

 

RFE

SVM

0.9843

RFE

ET

0.976

   

RF

LR

0.8595

RFE

KNN

0.9727

 

ET

LR

0.9837

RFE

RF

0.9757

   

RF

Corr

0.8585

   
    

RF

RF

0.9755

   

RFE

ET

0.8578

   
    

ET

LR

0.9741

   

RF

KNN

0.8574

   
    

RF

ET

0.9737

   

RFE

SVM

0.8568

   
    

RFE

SVM

0.9733

   

Anova

KNN

0.8564

   
    

ET

RF

0.9728

   

Anova

LR

0.8557

   
    

RFE

Corr

0.9709

   

ET

LR

0.8539

   
          

RFE

Corr

0.8537

   
          

ET

Corr

0.8536

   
          

ET

KNN

0.852

   
          

RFE

Cos

0.8492

   

96

RFE

KNN

0.9933

RF

LR

0.9808

RFE

LR

0.847

RFE

LR

0.8697

RF

LR

0.979

 

RF

LR

0.9918

RFE

LR

0.9787

ET

LR

0.8292

RF

KNN

0.8657

RFE

LR

0.9779

 

RFE

LR

0.9916

RF

RF

0.9774

   

RF

LR

0.8643

ET

LR

0.9768

 

ET

LR

0.9909

RFE

Cos

0.977

   

ET

LR

0.8634

RFE

ET

0.9765

    

RFE

RF

0.9762

   

RFE

RF

0.8633

ET

ET

0.9734

    

ET

LR

0.9761

   

RF

Corr

0.863

RF

ET

0.973

    

ET

RF

0.9758

   

ET

Corr

0.8629

   
    

RF

ET

0.9746

   

RFE

KNN

0.8628

   
    

RFE

ET

0.9744

   

ET

KNN

0.8613

   
          

Anova

KNN

0.8596

   
          

Anova

LR

0.8573

   
          

RFE

SVM

0.853

   
          

ET

RF

0.8483

   
          

RFE

Corr

0.8477

   
          

RF

SVM

0.8474

   
  1. Table of AUC for top performing models for each data type and grouped by marker set size.