Multiple support vector machines are used to extract useful information
from vast quantities of biological data. The method includes
pre-processing of training data and test data to add dimensionality or to
identify missing or erroneous data points. The training data is used to
train the learning machine after which the success of the training is
tested using the test data. The test output is pre-processed to determine
whether the knowledge discovered from the pre-processed test data set is
desirable and to identify which of the multiple support vector machines
provides the optimal solution. After the training has been confirmed, live
biological data can be pre-processed then input into the identified
support vector machine that provides the optimal solution for extraction
of useful information.
Las máquinas del vector de la ayuda múltiple se utilizan para extraer la información útil de cantidades extensas de datos biológicos. El método incluye el proceso previo de los datos del entrenamiento y de los datos de prueba para agregar dimensionalidad o para identificar desaparecidos o puntos de referencias erróneos. Los datos del entrenamiento se utilizan para entrenar a la máquina que aprende después de lo cual el éxito del entrenamiento se prueba usando los datos de prueba. La salida de la prueba es preprocesado determinarse si el conocimiento descubierto del modem preprocesado de prueba es deseable e identificar que de las máquinas del vector de la ayuda múltiple proporciona la solución óptima. Después de que se haya confirmado el entrenamiento, los datos biológicos vivos pueden ser entonces entrada preprocesado en la máquina identificada del vector de la ayuda que proporciona la solución óptima para la extracción de la información útil.
