DBNLDA: Deep Belief Network based representation learning for lncRNA-disease association prediction

---

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、准备数据集

1.首先准备数据集，本文用的已发表文献中已有的4个数据集和其他三种癌症数据集。来自“A random forest based computational model for predicting novel lncRNA-disease associations”
数据集准备后需和代码中需求的格式一致，这里最好根据代码改数据格式（注意表头，文件类型csv等）

二、构建网络

1.构建网络，运行代码——Network_creation.ipynb

运行代码过程中的问题：

注意node2vec库相关依赖包，如版本不对会报错。

需将sep=’\t’去掉，否则结果就为(240,1)

三、模型学习——DBN_learning.ipynb

注意tensorflow引用版本，文章是用的tensorflow V.1版本，因此如果自己配置是v.2版本的话需要用
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
替换：
import tensorflow as tf
共有两个子模型。

四、模型分类——NNClassifier-CV.ipynb

总结

文章为2020年发在APPLIED INTELLIGENCE期刊的一篇中科院分区为3区的文章，IF=5.0858。
找不到数据集的时候看论文提及的参考文献。
总的实验已经复现，接下来好好理解代码。