跳到主要内容
检索

# 防泄漏机器学习

1 篇关联报道

订阅更新
  1. Frontiers in Medicine

    防泄漏机器学习预测MOF载药与细胞活力:域内R²达0.774与0.557,但整篇文献留出后R²转负

    该研究基于Wang等人补充数据重建了161条载药量观测(110个描述符)与444条细胞活力观测(25个描述符),用差分进化在五折分组交叉验证中优化直方图梯度提升回归(HGBR)与偏最小二乘回归(PLSR),并把完全重复记录约束在同一数据分区以防信息泄漏;在防重复的20%留出集上,HGBR对细胞活力预测最强(R²=0.774,RMSE=11.655个百分点,MAE=8.153,AARD=16.69%),PLSR对载药量预测最好(R²=0.557,RMSE=0.345 g/g,MAE=0.210 g/g),但当整篇来源文献被留出时所有模型R²均为负(活力−0.391与−0.119,载药−0.342与−

已读完全部报道