8、药物疾病关联预测与飞行员认知状态检测的机器学习方法

药物疾病关联预测与飞行员认知状态检测的机器学习方法

药物疾病关联预测

在药物疾病关联预测领域，研究人员采用了一系列方法来提高预测的准确性和可靠性。

首先，利用基于随机森林（RF）分类器的监督机器学习模型，针对每个元路径对应的数据集预测药物 - 疾病相互作用。然后，使用集成分类器来提升五个RF模型的整体性能。

在性能评估方面，为了评估新数据集的性能，将数据集划分为5部分并进行交叉验证。以下是一些重要的评估指标：
- 准确率（ACC） ：$ACC = \frac{TP + TN}{TP + FP + TN + FN}$
- 召回率（REC） ：$REC = \frac{TP}{TP + FN}$
- 精确率（PRE） ：$PRE = \frac{TP}{TP + FP}$
- 马修斯相关系数（MCC） ：$MCC = \frac{TP \times TN - FP \times FN}{\sqrt{(TP + FP)(TP + FN)(TN + FP)(TN + FN)}}$
- F1分数 ：$F1 - score = \frac{2 \times PRE \times REC}{PRE + REC}$
- G均值 ：$G - mean = \sqrt{SP \times SE}$

其中，TP、TN、FP、FN、SP和SE分别表示真阳性样本数、真阴性样本数、假阳性样本数、假阴性样本