《表1 预测模型在外部测试集上的预测性能》

  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

《基于反向机器学习的调香设计方法》

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

在该算例中，首先建立IML模型。将Keller数据库[19]中的气味数据划分成训练集、验证集和外部测试集。使用ANN构建的IMLs最终在外部测试集上的预测性能以回归系数R2[30]为指标进行表征，结果如表1所示。同时，还考虑采用支持向量机（support vector machine，SVM）、随机森林（random forest，RF）和多元线性模型（multiple linear regression，MLR）进行建模。各模型在外部数据集上的预测性能结果比较如表1所示。由表1可知，ANN模型的R2都在0.8以上，平均值为0.8807，预测效果较好。然而SVM、RF和MLR的R2平均值分别为0.2598、0.3018和0.2573，预测效果差。由此可以说明，使用ANN进行IMLs模型预测分子描述符是有优势的。