《表4 克罗恩病预测模型的测试性能》
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。
图表编号 | XD00210330500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.20 |
作者 | 李强、衣杨、吴忠道、丁涛 |
绘制单位 | 中山大学数据科学与计算机学院、中山大学数据科学与计算机学院、中山大学新华学院信息科学学院、中山大学中山医学院、中山大学中山医学院 |
更多格式 | 高清、无水印(增值服务) |