| 查看: 655 | 回复: 2 | |||
| 当前主题已经存档。 | |||
veradpp木虫 (正式写手)
|
[交流]
求助：QSAR模型的验证
|
||
|
各位虫友有做过QSAR的吗？ 我打算建立一个bp的预测模型，请问怎样来验证这个数学模型的稳定性和泛化能力？？ 一般回归方程中的R2代表什么意思？这个和交叉验证的q2有什么区别？ 交叉验证和外部验证具体应该怎么实施？各自的评价目标是什么？好的模型的标准是什么？ 是用交叉验证得到的模型来预测外部验证集的数据吗？ 问题很多，希望大家帮忙，谢谢了 |
回复此楼» 猜你喜欢
求助《生物利用度和生物等效性研究指导原则》（试 行），2002
已经有0人回复
-
如何高效的测量腺病毒的粒径和电位
已经有0人回复
-
药物学论文润色/翻译怎么收费?
已经有205人回复
-
文献求助
已经有0人回复
-
26在职申博—生物与医药—抗体/ADC药物方向，江浙沪，有项目，可带资。
已经有1人回复
yalefield
金虫 (文坛精英)
老汉一枚
- 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
★ ★
veradpp(金币+1):高屋建瓴，多谢
小小强(金币+1):支持积极应助。。
veradpp(金币+1):高屋建瓴，多谢
小小强(金币+1):支持积极应助。。
|
1、已知活性样本分为训练和测试两组 如何分？按活性排序，尽量使测试组的活性位于训练组的活性之内。关于这个，就有N篇论文（统计学/QSAR）。 2、用训练集建立模型，得到R2 R2的定义，自己查书吧。R2代表的是模型自身的情况，“自我陶醉”。 建模的方法有很多，线性（ANOVA, MLR, PLS等）、非线性（ANN/BP, SVM）等。 很多教科书和文献，对此语焉不详，或者错误。 注意： （1）交叉验证： 最简单的“留一法”： 假如训练组有n个样本，不论用什么建模方法，都应该拿出1个不参加建模。 用n-1个训练样本建模，然后用模型预测那个没参加建模的活性（即回归）。 这样，轮流做n次，就有n个模型、n个R2。 当然，也可以用"留m法（m （2）变量选择： 如果自变量很多，那么还需要进行变量选择。这够写一本书。 简单来说，可以用遗传算法，帮助进行。 3、用测试集检验模型，得到q2 R2与q2的计算公式其实是一样的，只不过R2的数据来自训练组，而q2的数据来自测试组。 q2的含义是模型的预测能力，“与我同醉/罪”。 也就是说，按照训练过程所建立的n个模型，对测试组的每个样本的活性都进行预测，每个测试组样本都得到的预测值（计算值）。对于每个模型来说，用所有测试样本的预测值与已知活性值，就可以得到的它的q2。 n个模型，就会有n个q2。 4、模型选择 这个比变量选择简单多了。 R2与q2分别做横轴、纵轴。 训练过程所建立的n个模型（每个模型都用于了对测试组进行测试），在这个坐标系内，就是一个点。例如： M(0.83, 0.77): 这个点，代表用那个R2为0.83的模型预测了测试组的每个样本，得到1个q2=0.77。 不难想象，那些q2与R2都比较接近1的模型们，是“好”模型。 容易推出： （1）仅仅R2很大，而q2很小，也不是好模型（自我满足，预测能力差） （2）仅仅q2很大，而R2很小，也不是好模型（预测碰巧好，其实一团糟） 5、优化： 从上述之4，那些R2已经很差的，其实也没有必要用来预测了。 6、应用： 用“最好”的模型们，来预测那些活性未知样本。 |
2楼2007-03-22 00:34:41