《表2 单一疾病预测模型的测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的肠道菌群数据建模与分析研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在2016年，Pasolli等[25]提出了Met AML（Metagenomic Rediction Analysis Based on Machine Learning）预测工具，利用Met AML构建单一疾病预测模型的基本步骤包括（图3A）:（1）对宏基因组数据按照人类微生物组项目的标准操作规程进行预处理，并删除某些仅含少量核苷酸的Reads （如：对于IBD数据集最小核苷酸个数为70）。（2）采用默认参数的Meta Phl An2[53]方法进行特征提取，获得物种水平的相对丰度和特异菌株标记两种特征。（3）分别基于SVM、RF等算法建立预测模型。（4）利用10倍交叉验证对所构建模型的性能进行评估测试，结果见表2。该模型只能预测一种疾病发病情况（由训练数据集决定），本质上是一个二分类模型，因此模型的适用性较差，而其优势在于预测精度高、模型构建过程简单。