基于支持向量机与结构核的虚拟筛选
定量方法
2007-08-02 v1 机器学习
摘要
支持向量机和核方法最近在化学信息学中引起了广泛关注。它们为监督分类或回归问题提供了普遍良好的性能，并提供了一个灵活且计算高效的框架，以纳入有关待处理数据和问题的相关信息及先验知识。特别是，利用核方法，分子无需显式地表示和存储为向量或指纹，而只需通过技术上称为核的比较函数相互比较。虽然经典核可用于比较分子的向量或指纹表示，但近年来开发的全新核能够直接比较分子的二维或三维结构，而无需通过提取分子描述符进行显式向量化步骤。尽管这些方法尚处于起步阶段，但已在多个毒性预测和构效关系问题上证明了其相关性。
引用
@article{arxiv.0708.0171,
title = {Virtual screening with support vector machines and structure kernels},
author = {Pierre Mahé and Jean-Philippe Vert},
journal= {arXiv preprint arXiv:0708.0171},
year = {2007}
}