机器学习预测ACEI的比较与分析

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：血管紧张素转换酶抑制剂（ACEI）对高血压的治疗具有重要意义。基于从结构复杂的化合物数据库中构建的候选小分子数据集，采用分子对接技术从数据集中筛选出样本构建分类模型。分别采用支持向量机、K近邻、决策树、随机森林和贝叶斯方法建立血管紧张素转换酶潜在抑制剂和非抑制剂的分类模型。经结果对比，支持向量机相比于其他方法有更高的预测率，其中模型总体预测率和相关系数分别为82.4%和0.653。研究表明，支持向量机方法对于虚拟筛选血管紧张素转换酶抑制剂具有良好的效果。

原文链接:http://www.cqvip.com/QK/91690X/201709/7000194981.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 CEI 支持向量机 cqvip HTML 分子对接 机器学习 支持向量机