使用新型三维度量评估蛋白质-蛋白质相互作用预测器
机器学习
2015-11-09 v1
摘要
为了让预测的相互作用能被生物学家直接采用，机器学习的预测必须具有高精确率，而不论召回率如何。准确率、ROC或精确率-召回率曲线等传统度量无法很好地评估或数值化表示这一方面。在本工作中，我们从ROC曲线敏感性与精确率-召回率曲线召回率的对齐出发，提出了一种关注模型被生物学家采用能力的评估度量。该度量评估机器学习算法仅预测新相互作用的能力，同时消除了测试数据集的影响。在使用相同数据集评估不同分类器以及使用不同数据集评估同一预测器的实验中，我们的新度量完成了我们感兴趣的评估任务，而两种广泛认可的度量——ROC和精确率-召回率曲线——则因不同原因未能完成这些任务。
引用
@article{arxiv.1511.02196,
title = {Evaluating Protein-protein Interaction Predictors with a Novel 3-Dimensional Metric},
author = {Haohan Wang and Madhavi K. Ganapathiraju},
journal= {arXiv preprint arXiv:1511.02196},
year = {2015}
}
备注
This article is an extended version of a poster presented in AMIA TBI 2015