《表1 筛选出的14个描述符及其意义》

  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QSAR模型的有机磷化合物毒性预测》

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

本文使用R语言对数据进行预处理，用R语言“caret”包的nearZeroVar函数去除接近于常数的描述符。根据描述符与描述符两两之间的相关系数，使用findCorrelation函数去除相关系数大于0.9的描述符，最终得到43个描述符。并使用R语言preProcess函数对数据中的描述符进行标准化。同样使用R语言建立线性核函数的SVM模型。本文用后退法作为变量筛选方法，以RMSE作为评价标准对预处理后的43个描述符进行筛选，最终得到14个对SVM模型贡献较大的描述符（表1）。其中5个是结构描述符（Me，Mp，RBF，nDB，n O），8个拓扑描述符（TI1，TIE，PW4，PJI2，T.N..O.，T.O..S.，T.O..P.，T.P..Cl.）和一个连接性指数（X5A）。文中用“caret”包对SVM模型筛选的描述符做了重要性分析，计算的重要性评分结果如表1，文中对重要性评分大于0.2的6个描述符进行了简单解释。