化l学计量学第五章.pptVIP

5.3 SIMCA法Ι水平2的化学模式识别与QSAR 在为训练集的每一个类q构造了模式(5—2a)后，得到Aq、ai、βia、?ak及σq的估计。现试对校验集的样本进行考察：记样本号为P,则其对应参量值为Xip,将其拟合入类q的模式计算： Zi=xip-ai (5--3) 以Zi作为因变量，βia(a=1,2,…,Aq)作为变量，用多元线性回归方法处理： Zi=xip-ai=∑βia ?ap+eip (5--4) (q) (q) (q) (q) (q) (q) (q) (q) Aq a=1 ^ 5.3 SIMCA法Ι水平2的化学模式识别与QSAR 这时可考察回归得到的?ap值是否落在本类的?ap的范围内。另一方面，由各变量i（共M个）的eip，并考虑自由度为M-Aq可计算残余标准差Sp： Sp=[∑(eip)2/(M-Aq)]1/2 (5--5) Sp实际上是样本p与类q的“距离”的量度，这一残余标准差应与q类的总体残余标准差(So)比较： So=[∑∑(εik)2/[(Nq-Aq-1)(M-Aq)]1/2 (5--4) M (q) (q) (q) (q) k=1 ^ (q) ^ i=1 (q) i=1 M Nq (q) 5.3 SIMCA法Ι水平2的化学模式识别与QSAR 这里i按变量数M求和，k按q类中样本数Nq求和，计算时考虑到了与主成分分解所取得Aq数有关的自由度。 如(Sp)2与(So)2比较，发现前者显著大，则可判别p不属于q类。 将样本p再一一对训练集中其余各类进行拟合，我们可能得到几种不同结果： (1)样本可唯一地归于类q。借F检验可证明这一点。这种情况下，P与其它类的距离，即使其中那个距p最近者，按F检验亦能明确否定P不属该类。 (q) (q) 5.3 SIMCA法Ι水平2的化学模式识别与QSAR (2)样本P可判别属于q1，q2，…，qn n类。这种情况可能表明P确实同时属于这些类，例如某种化合物同时有几种活性；但也可能是对于样本P而言，训练集拥有的信息不足以区分这几个类属。 (3)样本P不属于训练集中任何一类，即该样本是一个异常样本，应属于某一个新类（这就是水平2的化学模式识别与QSAR区别于水平1之处）。这里需要指出，在训练集中本身可能存在异常样本。迄今为止的讨论，是以拥有已知样本的归类作为分类依据的，但SIMCA本身有能力检验这些“已知”样本的归类是否万无一失。 5.3 SIMCA法Ι水平2的化学模式识别与QSAR 为此，对训练集中某一样本P(情况与前述未知样本P类似，不同处是这个样本P是训练集中的)。可按式(5—3、4、5)进行对q类的拟合，得到的Sp可按下式进行F检验： F=(Sp)2. /(So)2 这里Sp是按式(5--5)得到的训练集中样本P的残余标准差，校正因子Nq/(Nq-Aq-1)考虑了样本P本身参与了训练集样本计算有关α、β参量的过程。 (q) (q) Nq Nq-Aq-1 (q) (q) 5.3 SIMCA法Ι水平2的化学模式识别与QSAR 按上式计算得的F与临界F值[相应自由度为（M-Aq)及(Nq-Aq-1)(M-Aq)]比较。如结果表明超出了标准F范围，则要考虑训练集中这个样本并不属于q类，如也不属于训练集中任何其他类，则说明这个样本应从训练集中弃去。不过，这种处理宜慎重，应力求得到实验证实。例如，有时这种情况的发生是由于标签混淆。训练集中被删除的样本不应超过10%，删除后有关各类的模式及参量应重新计算。 5.4 SIMCA法Ⅱ水平3、4的化学模式识别与QSAR 现进一步讨论除参量矩阵X外，还存在定量活度数据的情况。如每一个样本只有单一的一种活度标度，则是水平3的化学模式识别与QSAR，如每个样本有一个以上的活度标度，即每个样本给出一个活度矢量，整个样本集将有一个活度矩阵Y，这是水平4的化学模式识别与QSAR。 5.4 SIMCA法Ⅱ水平3、4的化学模式识别与QSAR 水平3的化学模式识别与QSAR可按PCR（主成分回归）方法处理。将每一类的X矩阵仍按前一节所述方法作主成分分析[式(5--2)],得到的每一维a与样本K对应的?ak，均应与各样本的活性组成的矢量y中对应于样本k的元素yk相对应。也就是说，可将?ak与yk回归，如有线性关系，作线性回归；如无线性关系，作多项式拟合。在进行了这一数据处理之后，未知试样先按前节(§5.3)的办法，根据其x数据能拟合到训练集的哪一各类，确定其类别；再根据该样本的?ak值，从前述已为该类建立的?ak与yk之间的函数关系，估计该未知样本k的活性值yk。 5.4 SIMCA法Ⅱ水平3、4的化学模式识别与QSAR 在水平4，则将有一个Y