药物发现:基于机器学习的药物筛选_15.药物筛选中的集成学习方法.docx

药物发现:基于机器学习的药物筛选_15.药物筛选中的集成学习方法.docx

  1. 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
  2. 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  3. 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

PAGE1

PAGE1

15.药物筛选中的集成学习方法

15.1集成学习的基本概念

集成学习(EnsembleLearning)是一种通过组合多个模型来提高预测性能和鲁棒性的机器学习方法。在药物筛选中,集成学习可以有效地提升模型的准确性和泛化能力,特别是在面对复杂且多样的分子数据时。集成学习的基本思想是通过多种模型的组合,利用每个模型的优势,从而减少单一模型的偏差和方差,提高整体的预测效果。

15.1.1集成学习的类型

集成学习主要可以分为两大类:Bagging和Boosting。

Bagging(BootstrapAggregating):通过随机抽样生成多个子

文档评论(0)

kkzhujl + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档