Руководство по машинному обучению для биологов

Расширение объёмов биологических данных и присущая им сложность способствовали широкому применению машинного обучения в биологии для построения информативных и прогностических моделей биологических процессов. Все методы машинного обучения предполагают обучение моделей на данных, однако сами методы весьма разнообразны и поначалу могут казаться сложными для понимания. В этом обзоре мы даём доступное введение в несколько основных методов машинного обучения, включая недавно разработанные и широко применяемые методы на основе глубоких нейронных сетей. Мы описываем, какие методы подходят для разных типов биологических данных, а также обсуждаем оптимальные подходы и вопросы, которые следует учитывать при планировании экспериментов с использованием машинного обучения. Кроме того, мы рассматриваем новые направления развития методологии машинного обучения.