当前位置: X-MOL 学术 › Chinese Journal of Chemical Engineering › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
使用 hyperopt 库对用于分子特性预测的多种机器学习算法进行超参数优化
Chinese Journal of Chemical Engineering Pub Date : 2022-04-21 , DOI: 10.1016/j.cjche.2022.04.004
Jun Zhang 1 , Qin Wang 2 , Weifeng Shen 1, 3
Affiliation  

由于在化学信息学方面的突出表现,机器学习算法越来越多地用于挖掘分子特性和生物医学大数据。众所周知,机器学习模型的性能严重依赖于超参数配置的选择。然而,许多研究要么探索每个网格搜索方法的最佳超参数,要么采用任意选择的超参数,这很容易导致实现次优超参数配置。在这项研究中,Hyperopt 库嵌入了贝叶斯优化,用于为不同的机器学习算法寻找最佳超参数。六个药物发现数据集,包括溶解度、探针相似性、hERG、南美锥虫病、肺结核和疟疾,用于将不同的机器学习算法与 ECFP6 指纹进行比较。这一贡献旨在评估伯努利朴素贝叶斯、逻辑线性回归、AdaBoost 决策树、随机森林、支持向量机和具有优化超参数的深度神经网络算法是否可以在测试方面提供任何改进,与评估的参考模型相比一系列指标,包括 AUC、F1 分数、Cohen 的 kappa、Matthews 相关系数、召回率、精确度和准确度。基于等级归一化评分方法,Hyperopt 模型在不同药物发现数据集的 36 个模型中有 33 个获得了更好或相当的性能,显示了通过使用 Hyperopt 库实现的显着改进。





"点击查看英文标题和摘要"

更新日期:2022-04-21
down
wechat
bug