随机森林分析

工具概述

随机森林分析，是一个包含多棵决策树的分类器，它的分类结果根据检测样本的各个维度上的属性，在不同的决策树上进行判定，综合考虑所有判定结果后给出最终分类，可以高效快速挑选出对样本分类最为重要的物种类别（biomarker）。

操作方法

1. 输入需要进行分析的数据表，文件应为txt格式，数据表必须包含行头和列头，首行为样本名，首列为物种等特征名称。数据与数据之间务必用制表符隔开（tab符），不能用空格。

以微生物多样性OTU表为例：

注：物种数或指标数目需≥5个！

2. 输入分组文件，要求每组样本数≥10，分组数≥2。

3. 选择数据标准化方法，包括None、Relative、Min-Max、log10和Z-score。默认为None，即不进行标准化。

（1）Relative：按相对丰度计算

（2）Min-Max：计算方法为x*=(x-min)/(max-min)

（3）log10：计算方法为x*=log10(x)/log10(max)

（4）Z-score：计算方法为x*=(x-`x)/s，`x为数据的平均值，s为数据的标准差。

4. 选择验证方法，包括None、AUC验证和十折交叉验证。默认为None，即不进行验证。若进行验证，当分组数=2时，可选择AUC验证或十折交叉验证；当分组数>2时，仅可选择十折交叉验证。

5. 决策树数量默认为500。

结果解读

物种重要性排序图

注：物种重要性排序图，Y轴为重要性衡量标准（比如物种），X轴等于物种的重要性测量值/标准差值；Y轴对应按重要性排序后的物种名称。

物种重要性结果表

注：第一列代表物种，第二列代表物种对应的重要性数值，其中数值越大，说明此物种越重要。

Random Forest验证结果图

注：当使用AUC验证法（适用于分组=2的情况）时，X轴代表重要性排名TOPn的物种（变量）个数，Y轴表示在使用对应物种（变量）个数时，构建随机森林的AUC值；实心点表示选取的AUC值最高的点；当使用十折交叉验证法时（适用于分组≥2时），X轴代表重要性排名TOPn的物种（变量）个数，Y轴代表在使用对应物种（变量）个数时，使用十折交叉验证的平均预测错误率；实心点表示选取的错误率最低的点。

参考文献

[1] Jašarević E, Howard C D, Misic A M, et al. Stress during pregnancy alters temporal and spatial dynamics of the maternal and offspring microbiome in a sex-specific manner[J]. Scientific reports, 2017, 7: 44182.