药物设计中集成方法的比较分析

定量构效关系（QSAR）是一种用于识别化学化合物结构性质与生物活性之间关系的计算机建模技术。QSAR建模对药物发现是必要的，但存在诸多局限。基于集成的机器学习方法已被用来克服局限并生成可靠预测。集成学习创建一组多样化模型并加以组合。在我们的比较分析中，每种集成算法与每种基础算法配对，但基础算法也单独进行了研究。在此配置下，开发了57种算法并在4个不同数据集上进行比较。由此，提出了一种构建多样化模型并整合它们的复杂集成方法技术。所提出的个体模型作为统一模型时未显示出令人印象深刻的結果，但在组合时被视为最重要的预测因子。我们评估了集成是否总是比个体算法给出更好的结果。本文中为获取实验结果所写的Python代码已上传至Github（https://github.com/rifqat/Comparative-Analysis）。