《表1 DCF、LR和SVM在模拟测试集上的性能比较》

  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

《基于混合深度神经网络的基因遗传变体致病性注释》

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

本文提出的模型是用python3.6实现的，称之为深度卷积全连接（DCF），深度学习平台采用的是Google开源平台tensorflow[21]。本文同样训练了Logistic Regression（LR）和CADD的SVM模型作为对比。LR的实现采用的是开源python包scikit-learn。本文没有直接使用CADD提供的SVM模型，因为它的模型一次只能评估100 000变体而且已经在测试集中训练过了。而是使用LIBOCAS[22]库中的SVM作为替代，它们的分类效果相当。3个模型均使用训练集进行训练，同时在训练过程中用验证集对分类器进行验证。训练完之后，分别在测试集和真实数据集进行预测。在测试集上，DCF、LR和SVM的分类准确率分别是66.44%、59.77%和58.18%（表1）。文献[9]提出的DANN在该数据集的正确率是66.1%。其他的性能指标见表1和表2。