RDKit | 删除方差低的描述符

举报
DrugAI 发表于 2021/07/15 03:34:58 2021/07/15
【摘要】 背景 基于由RDKit和mordred等描述符计算生成的特征进行化合物的机器学习时,由于特征数量大且存在过拟合的可能,因此有必要进行特征选择。尝试了scikit-learn的VarianceTheshold,一种基本的特征选择算法。   什么是方差阈值 可删除不满足给定方差的样本特征。默认情况下,将删除0方差,即所有样本具有相同值的要素。作为另一个示例,描述...

背景

基于由RDKit和mordred等描述符计算生成的特征进行化合物的机器学习时,由于特征数量大且存在过拟合的可能,因此有必要进行特征选择。尝试了scikit-learn的VarianceTheshold,一种基本的特征选择算法。

 

什么是方差阈值

可删除不满足给定方差的样本特征。默认情况下,将删除0方差,即所有样本具有相同值的要素。作为另一个示例,描述了一个示例,其中相对于布尔值0和1的特征,80%或更多的样本删除了0或1的特征。在这种情况下,如果样本假定值0和1遵循伯努利随机变量,则方差为0.8 *(1-0.8),因此可以将其作为参数给出。


导入库


  
  1. import pandas as pd
  2. import numpy as np
  3. import matplotlib.pylab as plt
  4. from rdkit import Chem
  5. from rdkit.Chem import Descriptors
  6. from rdkit.ML.Descriptors import MoleculeDescriptors
  7. %matplotlib inline

载入数据

数集包含1513种化合物

文章来源: drugai.blog.csdn.net,作者:DrugAI,版权归原作者所有,如需转载,请联系作者。

原文链接:drugai.blog.csdn.net/article/details/101103957

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。