RDKit：基于支持向量回归预测logP

RDKit一个用于化学信息学的python库。使用支持向量回归（SVR）来预测logP。分子的输入结构特征是摩根指纹，输出是logP。

SVR（Support Vactor Regerssion）支持向量回归机

支持向量机(SVM)本身是针对二分类问题提出的，而SVR（支持向量回归）是SVM（支持向量机）中的一个重要的应用分支。SVR回归与SVM分类的区别在于，SVR的样本点最终只有一类，它所寻求的最优超平面不是SVM那样使两类或多类样本点分的“最开”，而是使所有的样本点离着超平面的总偏差最小。

SVM是要使到超平面最近的样本点的“距离”最大；
SVR则是要使到超平面最远的样本点的“距离”最小。

回归就像是寻找一堆数据的内在的关系。不论这堆数据有几种类别组成，得到一个公式，拟合这些数据，当给个新的坐标值时，能够求得一个新的值。所以对于SVR，就是求得一个面或者一个函数，可以把所有数据拟合了（就是指所有的数据点，不管属于哪一类，数据点到这个面或者函数的距离最近）

数据处理
preprocessing.scale()作用：
scale()是用来对原始样本进行缩放的，范围可以自己定

RDKit：基于支持向量回归预测logP相关推荐

基于支持向量回归的数学模型分析疫情现状并对其进行预测
前言: 在这里通过分析过去52天的疫情数据,将各类型数据进行了可视化展示,能够直观的看出过去52天人数的变化情况,同时使用支持向量回归模型对未来三天的确诊人数进行预测,并对预测曲线和原始确证病例进行可 ...
支持向量回归代码_RDKit：基于支持向量回归（SVR）预测logP
RDKit一个用于化学信息学的python库.使用支持向量回归(SVR)来预测logP. 分子的输入结构特征是摩根指纹,输出是logP. 代码示例: #导入依赖库 import numpy as np ...
支持向量回归预测怎么做_机器学习如何在油气开发预测中发挥作用？
机器学习主要作用是分类.回归.降维和聚类.在开发指标预测中主要是回归和降维.机器学习的主要理论基础就是使目标函数最小化,而目标函数主要由经验风险和结构风险组成.经验风险就是预测值和真实观测值的差异,结 ...
基于支持向量回归（SVR）和PROSAIL模拟光谱数据的叶面积指数反演
前言本博客利用PROSAIL模型模拟出MODIS的光谱数据和LAI,然后采用支持向量回归(SVR)方法建立NDVI与LAI 的回归模型,用于LAI的反演.训练和测试数据的拟合效果还是比较好的,这表明 ...
支持向量回归预测怎么做_财务预测模型怎么做？这些关键指标，你一定要知道...
通常在创业公司撰写商业计划书过程中.投资机构做出投资决策过程中,会对企业进行财务预测,即通过搭建财务模型,来预测企业未来几年的盈利走势.那么,如何做好企业财务预测模型,才能真实反映企业业务的前景.辅助 ...
采用支持向量回归（SVR）和随机森林回归预测两种机器学习方法对房价进行预测（附完整代码）
大家好,我是带我去滑雪,每天教你一个小技巧! 本文分别采用支持向量回归(SVR)和随机森林回归预测两种机器学习方法对房价进行预测.随机将数据分为训练集和测试集,比例为8:2,数据和代码均在文末. 1. ...
matlab利用PLSR和支持向量回归分析红树林叶面化学的高光谱分析
高光谱遥感能够实现冠层生化特性的大规模绘图.本研究探讨了从印度尼西亚Berau三角洲的红树林中回收氮,磷,钾,钙,镁和钠浓度的可能性. 该研究的目的是(1)评估叶面化学检索的准确性,(2)比较基于支持 ...
ML之SVM：基于sklearn的svm算法实现对支持向量的数据进行标注
ML之SVM:基于sklearn的svm算法实现对支持向量的数据进行标注目录输出结果实现代码输出结果实现代码 import numpy as np import matplotlib.pyp ...
支持向量回归_浙江大学王慧芳等：用于电网节点重要度评估的一种基于网络嵌入和支持向量回归的人工智能方法...
内容介绍中文摘要: 重要节点识别对电网安全意义重大.但电网在规模.结构等方面差异较大,评价指标难以涵盖电网不同状态下所有信息,因此基于指标构建的传统评估方法,其效果视情况而定,通用性不足.由此,本文 ...

RDKit：基于支持向量回归预测logP

SVR（Support Vactor Regerssion）支持向量回归机

RDKit：基于支持向量回归预测logP相关推荐

最新文章

热门文章