Boruta
基于随机森林的全相关特征选择算法，通过与随机化的影子特征对比，系统性地筛选对模型有显著贡献的特征子集
时间轴 (近 90 天)
Boruta通过与原特征随机打乱的影子特征竞争来判定基因是否真正重要。
演示中，WorkBuddy智能体使用“深信自学网”编写的Skill（技能包），按预设流程依次执行数据合并与批次校正、差异分析与可视化、WGCNA共表达分析、交集基因获取、GO/KEGG富集、PPI网络构建、LASSO/SVM/随机森林/Boruta特征基因筛选、特征基因验证与可视化、GSEA/GSVA及免疫分析、ceRNA/转录因子调控网络构建和药物敏感性分析，并生成结构化报告。
演示中，通过LASSO回归、SVM、随机森林和Boruta四种方法筛选特征基因，取交集得到5个交集特征基因；特征基因的ROC曲线AUC均大于0.7。
LASSO回归、SVM-RFE、随机森林和Boruta是四种常用的特征基因筛选方法，各自基于不同的统计或机器学习原理，取交集可提高结果的稳健性。
研究整合了SHAP、分组置换重要性、Boruta和递归特征消除（RFE）四种特征重要性方法，并通过共识排序策略融合结果
全部知识事实 (5)
Boruta通过与原特征随机打乱的影子特征竞争来判定基因是否真正重要。
50%待验证LASSO回归、SVM-RFE、随机森林和Boruta是四种常用的特征基因筛选方法，各自基于不同的统计或机器学习原理，取交集可提高结果的稳健性。
50%待验证研究整合了SHAP、分组置换重要性、Boruta和递归特征消除（RFE）四种特征重要性方法，并通过共识排序策略融合结果
50%待验证演示中，WorkBuddy智能体使用“深信自学网”编写的Skill（技能包），按预设流程依次执行数据合并与批次校正、差异分析与可视化、WGCNA共表达分析、交集基因获取、GO/KEGG富集、PPI网络构建、LASSO/SVM/随机森林/Boruta特征基因筛选、特征基因验证与可视化、GSEA/GSVA及免疫分析、ceRNA/转录因子调控网络构建和药物敏感性分析，并生成结构化报告。
50%待验证演示中，通过LASSO回归、SVM、随机森林和Boruta四种方法筛选特征基因，取交集得到5个交集特征基因；特征基因的ROC曲线AUC均大于0.7。
50%