薄层色谱保留常数的随机森林模型
人工智能
2011-06-20 v1
摘要
在本研究中，我们探讨了机器学习方法在薄层色谱（TLC）保留常数建模中的应用。该问题可涉及数百甚至数千个与各种分子性质相关的描述符，其中大多数是冗余的，且与保留常数的预测无关。因此，我们采用特征选择来显著减少属性数量。此外，我们还测试了将装袋（bagging）程序应用于特征选择的效果。利用所选变量构建了随机森林回归模型。所得模型与实验数据的相关性优于通过线性回归获得的参考模型。交叉验证证实了模型的稳健性。
引用
@article{arxiv.1106.3361,
title = {Random forest models of the retention constants in the thin layer chromatography},
author = {Miron B. Kursa and Łukasz Komsta and Witold R. Rudnicki},
journal= {arXiv preprint arXiv:1106.3361},
year = {2011}
}