决定何时停止：主动学习引导的药物-靶点预测的高效停止
定量方法
2015-04-10 v1 机器学习
机器学习
摘要
主动学习已被证明能够减少获得高置信度药物-靶点预测所需的实验数量。然而，为了利用主动学习真正节省实验，关键在于具备一种方法来评估当前预测的质量并决定何时停止实验过程。只有将可靠的停止准则应用于主动学习，实验过程中的时间和成本才能被真正节省。我们在模拟的药物-靶点矩阵上计算主动学习轨迹，以学习主动学习器准确率的回归模型。通过分析回归模型在模拟数据上的性能，我们为先前未见的实验矩阵设计了停止准则。我们在四个先前表征的药物效应数据集上证明，应用该停止准则可在保持高准确度预测的同时节省多达 40% 的总实验量。
引用
@article{arxiv.1504.02406,
title = {Deciding when to stop: Efficient stopping of active learning guided drug-target prediction},
author = {Maja Temerinac-Ott and Armaghan W. Naik and Robert F. Murphy},
journal= {arXiv preprint arXiv:1504.02406},
year = {2015}
}
备注
This paper was selected for oral presentation at RECOMB 2015 and an abstract is published in the conference proceedings