在独立表达量数据集构建和验证机器学习（随机森林）

记录在TCGA数据集构建机器学习模型预测患者亚型，然后在geo数据集检验。

假如我们在TCGA数据集上构建出亚型，同时想建立一个机器学习模型来预测未知数据集的亚型（基于表达量）。可以采用机器学习方法来完成这个任务。

• 由于不同表达量数据集batch effect的缘故，很难直接在A数据集构建模型，直接在B数据集检验。我给出来的解决方案有两个：

第一种方案

（1）将两个数据集同时且独立转换。如下图所示：
转换前：