基于混合特征特征选择的神经肽预测模型
作者:周丰丰; 颜振炜
更新时间:
提出了一种神经肽预测的综合算法。九个特征描述符和五个机器学习算法被整合成45个基线学习模型。第一层选择45个基线模型的特征,第二层根据基线模型对的精度和皮尔森(Pearson)的相关系数之和选择8个基本学习模型。在第三层,这些学习者的输出被输入到分类器中,如logistic回归和极限梯度提升(BoostXG),最后一步被选择来训练最终模型,并将输出作为最终预测结果。最后,测试数据集的精度为0.9169,高于现有模型。
提出了一种神经肽预测的综合算法。九个特征描述符和五个机器学习算法被整合成45个基线学习模型。第一层选择45个基线模型的特征,第二层根据基线模型对的精度和皮尔森(Pearson)的相关系数之和选择8个基本学习模型。在第三层,这些学习者的输出被输入到分类器中,如logistic回归和极限梯度提升(BoostXG),最后一步被选择来训练最终模型,并将输出作为最终预测结果。最后,测试数据集的精度为0.9169,高于现有模型。