《表2 不同机器学习模型评估结果》

  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

《基于机器学习的抗纤维化中药化合物筛选研究》

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

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。