机器学习方法用于二氢叶酸还原酶抑制剂的活性预测

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：分别采用支持向量学习机、人工神经网络、调节性逻辑回归和K-最临近等机器学习方法对761个二氢叶酸还原酶抑制剂建立了其活性分类预测模型．采用组成描述符和拓扑描述符表征抑制剂的分子结构及物理化学性质，使用Kennard—Stone方法进行训练集的设计，并用Metropolis Monte Cado模拟退火方法作变量选择．结果表明，支持向量学习机优于其它机器学习方法，所得到的最优模型具有较好的预测结果，其预测正确率为91．62％．说明通过合适的训练集设计及变量选择，支持向量学习机方法可以很好地用于二氢叶酸还原酶抑制剂的活性分类预测．

原文链接:http://www.cqvip.com//QK/90335X/200711/25914385.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：学习方法 机器学习 抑制剂 Metropolis 人工神经网络 二氢叶酸还原酶抑制剂 支持向量学习机 分子描述符