《表4 三种方法在RPI488数据集5倍交叉验证的结果》

  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

《基于机器学习方法的非编码RNA-蛋白质相互作用的预测》

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

从表4可以看出，在RPI488数据集中，LBM模型的准确率（0.918）、敏感度（0.900）与F值（0.918）在三个模型中最好，精度与特异性为0.938，MCC值为0.838。RF模型获得了最高的精度（0.956）与特异性（0.959），准确率为0.908，敏感度为0.860，F值为0.905，MCC值为0.821。XGB模型的准确率（0.918）、精度（0.956）与MCC值（0.840）在三个模型中均最高，敏感度为0.880，特异性为0.958，F值为0.917。在RPI488数据集中RNA都是长非编码RNA，三个模型在准确率、精度、敏感度、特异性与F值5个评估指标中均有模型取得了高于0.900的结果，MCC值也高于0.800，表明模型在预测RNA与蛋白质相互作用研究中有较高的预测精度，可以用来预测长非编码RNA与蛋白质是否存在相互作用。