基于分子片段-靶标流行度向量的快速 Leave-One-Out 近似 (molFTP)：从虚拟遮蔽到关键-LOO 实现无信息泄露的特征构建
机器学习
2025-10-08 v1 人工智能
摘要
我们提出了 molFTP (分子片段-靶标流行度)，一种紧凑表示，能提供强大的预测性能。为防止在交叉验证折叠之间发生特征信息泄露，我们实现了虚拟遮蔽程序，以移除持有在held-out分子中出现的片段的信息。我们进一步表明，关键 leave-one-out (key-loo) 近似于真实的分子级 leave-one-out (LOO)，其偏差低于 8%。这使得在保持无偏交叉验证性能估计的同时，几乎可以进行完整数据训练。总体而言，molFTP 提供了一个快速、抗信息泄露的片段-靶标流行度向量化方法，配有实用安全措施（虚拟遮蔽或关键-LOO），可在成本远低于 LOO的情况下近似 LOO。
引用
@article{arxiv.2510.06029,
title = {Fast Leave-One-Out Approximation from Fragment-Target Prevalence Vectors (molFTP) : From Dummy Masking to Key-LOO for Leakage-Free Feature Construction},
author = {Guillaume Godin},
journal= {arXiv preprint arXiv:2510.06029},
year = {2025}
}
备注
28 pages, 21 figures, 3 tables