版权说明 操作指南
首页 > 成果 > 详情

基于AUC的支持向量机分类方法及应用研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
作者:
刘伟平;黄晨浩
作者机构:
[刘伟平] 湖南城市学院图书馆
[黄晨浩] 湘潭大学数学与计算科学学院
语种:
中文
关键词:
构效关系;支持向量机;变量筛选
关键词(英文):
AUC;structure-activity relationship;support vector machine;AUC;variable screening
期刊:
湖南城市学院学报(自然科学版)
ISSN:
1672-7304
年:
2023
卷:
32
期:
6
页码:
69-73
基金类别:
湖南省教育厅科研项目(20A086)。
机构署名:
本校为第一机构
院系归属:
图书馆
摘要:
支持向量机(SVM)已经成为药物构效关系数据分析的一种常用统计方法,但其存在变量子集选择问题,且大量的冗余变量还可能影响SVM模型的预测精度,因此需要借助变量筛选来实现降维.本文提出了一种新的基于受试者工作特征曲线下面积...展开更多 支持向量机(SVM)已经成为药物构效关系数据分析的一种常用统计方法,但其存在变量子集选择问题,且大量的冗余变量还可能影响SVM模型的预测精度,因此需要借助变量筛选来实现降维.本文提出了一种新的基于受试者工作特征曲线下面积(AUC)的支持向量机分类方法(AUC-SVM).首先,计算出变量的AUC值;其次,利用AUC值和前向选择算法选择最具信息量的变量子集,并剔除数据中...
摘要(英文):
Support vector machine(SVM)has become a common statistical method for drug structure-activity relationship data analysis,but it has the problem of variable subset selection,and a large number of redundant variables may affect the prediction accuracy of SVM model,so it i...MORE Support vector machine(SVM)has become a common statistical method for drug structure-activity relationship data analysis,but it has the problem of variable subset selection,and a large number of redundant variables may affect the prediction accuracy of SVM model,so it is necessary to reduce dimension with the help of var...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com