乳腺癌的抗癌药物是一个研究热点，ERα被认为是治疗乳腺癌的一个重要候选药物。本文基于抗癌药物筛选的热点问题，对候选药物化合物的多种分子标识符特征与其生物活性、ADMET性质之间的关系建立了数学模型，使用了线性回归、机器学习、神经网络、支持向量机、多目标优化等方法对化合物的生物数据进行了处理、预测、分类和参数值最优化，对候选药物化合物的选择提供了数据参考和可行思路。
2021-11-01 17:04:29
611.12MB
1
* 第一问采用随机森林+相关性分析筛选20个变量
* 第二问采用决策树回归、线性回归、梯度提升向量机、随机 森林回归、多层次感知机回归、XGBoost 回归和LightGBM 模型对生物活性预测。最终得出LightGBM 模型的效果比较好
* 第三问采用多层感知机(MLP)对化合物的 ADMET 性质进行预测。训练集采用90%的样本，测试集采用10%的样本。五种性质的平均准确率为90.5%
* 第四问采用改进型贪心调优
2021-10-27 17:07:53
2.09MB
代码很全，注释很仔细，题目要求分别为特征选择问题、回归预测问题、二分类问题、最优化问题
2021-10-27 17:07:52
31.82MB