24小时热门版块排行榜

返回列表

当前主题已经存档。

bbslover

金虫 (正式写手)

应助: 1 (幼儿园)
金币: 4834.3
散金: 191
红花: 3
帖子: 540
在线: 140.9小时
虫号: 508292
注册: 2008-02-20
性别: GG
专业: 化学信息学

[交流] 【讨论】还是对随机分训练集和测试集不懂！！！！

paper经常说把数据集随机分成训练集和测试集，可是他们到底是怎么分的呢？

1. 比如说，我共有72个化合物，我随便选择出18个作为测试集，剩下的就作为训练集，这叫随机分吗？这18个测试集没有按照活性的均匀分布，也没有按照化合物结构的差异均匀分布，就是自己随便选择的18个，这叫随机吗？

  2. 如果叫做随机，建立的模型也不错，那别人也在这些化合物中随机选取18个（不一定和我的相同），得到的结果也不错，建立的模型也说得过去，那这么随机选取有什么意义呢？反正文章中常常说是随机分的，到底是怎么分的？高手帮忙详细分析一下吧！

3. 随机选取有时候不能做到活性的再测试集和训练集均匀分布，那么这么选取有按照活性的分布，和结构多样性分布好吗？

4. 比如说，我这72个化合物，是该按照什么标准来分训练集和测试集呢？仅仅就根据活性就行吗？还是有其他的标准？？

  以上4个问题，希望战友们讨论一下。

[ Last edited by zdhlover on 2009-11-13 at 15:58 ]

回复此楼

» 收录本帖的淘帖专辑推荐

软件

» 猜你喜欢

1楼 2009-09-30 12:48:29

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

yalefield

金虫 (文坛精英)

老汉一枚

模拟EPI: 1
应助: 129 (高中生)
贵宾: 0.17
金币: 21238.9
散金: 3440
红花: 66
帖子: 12101
在线: 759.1小时
虫号: 96063
注册: 2005-10-07
专业: 高等教育学
管辖: 计算模拟

八仙过海，各显其能

★ ★ ★ ★ ★
小木虫(金币+0.5):给个红包，谢谢回帖交流
fegg7502(金币+4,VIP+0):多谢 9-30 18:12

(1) 按活性排队

从最高开始，奇数进训练、偶数进测试
或者：1、2进训练，3进测试，4、5进训练，6进测试...

(2) 按“距离”

选择若干描述子，计算其“距离”（如欧几里德距离等，有很多种）
活性最高的，作为出发点，它本身进训练。
最近的一个进训练，其次的一个进测试；
再次的两个进训练，再再次的一个进测试；
......

(3) 按簇

按照类似(2)的做法，先把所有分子分簇（Cluster Analysis）
然后，每簇轮流出代表，进入测试、训练

(4) 学上帝，掷色子