《表2 不同机器学习模型评估结果》
各模型评价情况结果见表2,图2,图3。由模型评估指标可以看出,在单一模型的表现上,GBDT最好,RF的性能次之,ANN的表现较弱。经过RF优化分子指纹特征组合后,混合ANN的模型比混合LR的模型性能高;而经过GBDT优化分子指纹特征组合后,混合LR的模型比混合ANN的模型性能高,且混合LR的模型相比所有其他模型的性能都高。根据机器学习模型的构建原理,RF的集成方式可以理解为平行随机的构建决策树,树与树间是并行的方式,而GBDT模型中树与树间是串行的方式。故而2种模型在结合其他机器学习模型时,会表现出差异性。从本实验结果来看,提升树中提取的特征对于高维度的数据更具优化效果,同时当数据样本增加时,结合LR模型的效果较优。
图表编号 | XD0036479700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.30 |
作者 | 王曦廷、李彧、张澜、刘梦、李城、杨秋实、杭晓屹、刘祎 |
绘制单位 | 北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院、北京中医药大学中医学院 |
更多格式 | 高清、无水印(增值服务) |