基于均匀试验设计交叉检验VSMP变量筛选方法.pdfVIP

第五届全国环境化学大会（2009） 基于均匀试验设计交叉检验的 VSMP 变量筛选方法 易忠胜 1,2* 刘树深 3 张爱茜 1* 王连生 1 1 2 （污染控制与资源化研究国家重点实验室，南京大学环境学院，南京，210093； 桂林工学 院材料与化学工程系，桂林，541004；3 同济大学环境学院，长江水环境教育部重点实验室， 上海，200092；*联系人，E-mail：aqzhang@nju.edu.cn, yzs@glite.edu.cn ） 环境科学定量构效关系（Quantitative Structure-Activity/Property Relationship, QSAR/QSPR ）研究中， 变量筛选/ 降维是非常重要的一个组成部分，因为合理的 变量组合将为环境过程机制探索提供有效的信息。本文给出了一种非常简单有效 的、基于LMO （Leave-Many-Out ）交叉验证的变量筛选方法——基于均匀试验设 计的 LMO 交叉验证的变量筛选方法。这种方法很好地解决了 LMO 交叉验证方法 中选择样本组合时存在的问题。LMO 交叉验证方法是因为 LOO （Leave-One-Out ） 交叉验证方法存在的缺陷 （如易引起过拟合和q2 大小只是模型预测能力的必要条 件，而不是充分条件），而提出的取代方法。但是，LMO 交叉验证时，因为样本 组合的数量大，如何才能通过尽可能少的样本组合数量，而又能得到最大的有用 信息成了 LMO 交叉验证急需解决的问题。而均匀试验设计正是基于以尽可能少 的实验次数而获得最大的实验信息的一种优化实验设计方法，因此，本文借用均 匀试验设计的方法，设计样本的组合方式，然后进行 LMO 验证。据此，建立了 基于均匀试验设计的 LMO 交叉验证的最佳子集的变量筛选方法。通过对准标准 Selwood 数据集（31 个样本，53 个描述子）的实际计算表明，该方法得到的结果 和 5000 次常用随机（又可称为蒙特卡罗）LMO 交叉验证方法的效果一致，但是 本文方法次数只有 31 次，大大地节省了计算量。研究显示基于均匀试验设计交 叉检验的 VSMP 变量筛选方法能为合理变量组合的快速甄别和环境机制探索提 供了可靠的方法保证。 关键词：QSAR/QSPR VSMP 均匀试验设计 变量组合 机制探索 作者简历 易忠胜，男，1970 年 6 月生，博士生，南京大学环境学院，研究方向有机 污染物的定量构效关系。 643