在蛋白質(zhì)合成后,許多神經(jīng)肽和肽激素需要將其羧基末端酰胺化來獲得完整的生物活性,酰胺化在生物各種病理過程起著十分重要的作用,所以對其研究具有重要意義。用傳統(tǒng)生物實驗方法如生物質(zhì)譜技術(shù)等進行研究有著勞動密集、需要時間長和成本高等缺點,而常見的機器學習算法對于特征空間的擬合不是特別完美,所以本文提出了一種集成學習算法來實現(xiàn)對酰胺化位點研究效果的提高,該方法相比之前的方法有了不錯的提高。在本文中,提出了一種集成學習算法,stacking算法來進行實驗。將高質(zhì)量指數(shù)、氨基酸位置特異性傾向、K間隔氨基酸對相關(guān)性三種特征提取方法獲得的特征相結(jié)合,經(jīng)過特征選擇后分別訓練支持向量機、決策樹、樸素貝葉斯模型,用改進的K間隔氨基酸組成、氨基酸因子兩類特征經(jīng)過特征選擇后分別訓練相應最優(yōu)支持向量機模型,經(jīng)過上述實驗后一共獲得五個模型,使用stacking算法將這五個模型作為基模型,利用五折交叉驗證獲得5維的特征來訓練一個邏輯回歸模型。最終得到了一個具有不錯泛化能力的模型。該方法不但能夠?qū)⒍囝愄卣餍畔⑹褂玫?而且還通過不同類型的分類算法,將不同分類器誤分類的特征空間通過其他分類器進行修正,最終獲得最好的效果。最后... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

酰胺化的機理

天津大學碩士學位論文102.2.2決策樹決策樹[23]是一種常見的基本分類和回歸算法，而在本文中使用決策樹方法是用來解決分類問題的。決策樹模型是一種樹形結(jié)構(gòu)，由節(jié)點和有向邊組成，其中節(jié)點又分兩種，一種是內(nèi)部節(jié)點，代表某一種特征；另外一種葉節(jié)點，表示類標簽，即屬于哪一類，如圖2-2所示。決策樹的核心思想是對于給定訓練數(shù)據(jù)集，尋找出一組分類規(guī)則，從而構(gòu)建一個決策樹，而決策樹可能存在也可能不存在，但最終的目標是構(gòu)造一個與訓練數(shù)據(jù)集沖突最小的決策樹。它的優(yōu)點是易于理解，分類速度相對于其他分類算法要顯得更快。構(gòu)建決策樹模型通常分為三個步驟：第一步：特征選擇[24]，在進行分類的時候，往往利用特征進行分類，而數(shù)據(jù)集的有些特征是無用的，利用該特征進行分類的時候效果和隨機分類差不多，所以選擇合適的特征是非常有必要的，而在決策樹算法中特征選擇通常采用信息增益或者信息增益比。信息增益的計算公式如下所示|,XDHDHXDg（2-11）其中DH表示數(shù)據(jù)集的經(jīng)驗熵，XDH|表示特征X給定條件下D的經(jīng)驗條件熵。通常情況下，特征信息增益越大，表示該特征分類能力越強。在決策樹中，基于信息增益的特征選擇方法是指在構(gòu)建決策樹的過程中每次選擇信息增益最大的特征，然后逐步生成決策樹。信息增益比，利用信息增益作為劃分訓練數(shù)據(jù)集特征的準則會存在一個缺點，那就是傾向于選擇取值比較多的特征。為了解決這個問題，于是提出了信息增益比這個概念。特征X的信息增益比計算方式是它的信息增益和特征X的熵的比，即DHADgADgAR,,（2-12）圖2-2決策樹模型

第2章關(guān)鍵技術(shù)介紹13圖2-3S函數(shù)圖像在確定了邏輯回歸分類模型的函數(shù)形式后，需要求解最佳回歸系數(shù)，通常采用的方法是數(shù)學問題中常用的最優(yōu)化方法，其中包括梯度上升法和隨機梯度上升法。邏輯回歸分類算法的優(yōu)點是實現(xiàn)比較簡單，在實際應用中受到廣泛使用，尤其在工業(yè)問題上更加受歡迎；而且運行速度快，很適用于二分類問題，在實現(xiàn)過程中能計算出各個特征的權(quán)重，方便對于特征重要性判斷。缺點是當特征空間比較大的時候，模型的性能會比較低，而且邏輯回歸常會出現(xiàn)欠擬合現(xiàn)象，精確度不是特別的高。2.2.5集成學習集成學習是當前比較熱門的機器學習方法，它通過多個機器學習器來完成對訓練數(shù)據(jù)集的學習。集成學習的核心思想在于通過學習多個機器學習器，將多個學習器用一定的策略相結(jié)合，最終形成一個學習能力更強的學習器。目前，集成學習廣泛用于分類問題集成，回歸問題集成，特征選取集成等。常見的集成學習方法有boosting，bagging，stacking算法，而在本文中使用的是stacking算法[28]。Stacking算法是通過組合多個機器學習模型從而獲得一個更好的模型，核心思想并不復雜，它通常分為兩層，第一層利用訓練數(shù)據(jù)集訓練多個不同的機器學習模型，這些學習器又被稱為base-classifier；然后將第一層的各個base-classifier的輸出作為第二層的輸入來訓練一個模型，這個模型通過學習第一層的多個模型，從而大大提高模型的效果，第二層這一個模型通常稱為meta-classifier，而這個組合模型常常采用的是邏輯回歸算法。整個框架雖然看起來比較簡單，但靈


本文編號：3370525