《表4 克罗恩病预测模型的测试性能》

  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

2018年，Asgari等[38]使用浅层k-mer代替OTU进行预测模型的构建，并首次提出利用深度学习构建克罗恩病预测模型（图3C），其基本原理是：（1）首先将16S r RNA基因序列经过自举阶段处理，得到一个合适的样本大小N，使其可以代表整个数据并产生稳定的k-mer谱。（2）利用亚采样序列寻找k的最佳值进行分类，生成样本的k-mer表示。（3）将样本的k-mer表示作为训练数据，并采用多层感知机（Mutiple Layer Perception，MLP）进行预测模型构建。（4）使用10倍交叉验证评估算法性能，结果见表4。在该研究中，Asgari等[38]还将使用深度学习构建的模型与传统机器学习模型进行了比较，根据比较结果得知，在面对简单的二分类问题时，传统机器学习算法的性能与深度学习的性能相当，但在处理多分类时，深度学习所构建模型的性能明显优于传统机器学习所构建的模型。