四种机器学习算法预测大豆蛋白质定位对比研究 |
| |
引用本文: | 李佳楠,高兴泉,李卓,滕小华,黄斌,张继成,唐友.四种机器学习算法预测大豆蛋白质定位对比研究[J].大豆科学,2022,41(3):337-344. |
| |
作者姓名: | 李佳楠 高兴泉 李卓 滕小华 黄斌 张继成 唐友 |
| |
作者单位: | 吉林农业科技学院电气与信息工程学院,吉林吉林132101;吉林化工学院信息与控制工程学院,吉林吉林132000;吉林化工学院信息与控制工程学院,吉林吉林132000;吉林农业科技学院电气与信息工程学院,吉林吉林132101;东北农业大学电气与信息工程学院,黑龙江哈尔滨150030 |
| |
基金项目: | 国家自然科学基金(31801441); |
| |
摘 要: | 为探索不同缺失程度大豆蛋白质亚细胞定位预测的有效方法,提升大豆蛋白质亚细胞定位预测能力,本研究以1万条已知亚细胞定位位置的大豆蛋白质序列数据为研究对象,进行5%、10%、15%、20%和30%不同缺失比例完全随机缺失,分别运用SVM算法、朴素贝叶斯算法和随机森林算法和决策树4种机器学习算法预测缺失序列的亚细胞位置,对原始位置和预测后的位置进行相关性分析,对比分析不同算法的准确性和性能。结果显示:随机森林算法预测的准确率最高;朴素贝叶斯算法的运行速度最快;朴素贝叶斯算法的运行内存最小。在不考虑运行时间和运行内存因素,且对预测的准确率要求较高的情况下,随机森林算法的预测效果要优于另外3种算法;同种情况下,若对运行内存要求较高时,可优先考虑朴素贝叶斯算法。结果说明不同机器学习方法在不同缺失程度的预测需求下的适用性,可应用于大豆蛋白质数据的定位预测。
|
关 键 词: | 支持向量机算法 朴素贝叶斯算法 决策树算法 随机森林算法 大豆蛋白质 完全随机缺失 序列位置预测 |
本文献已被 万方数据 等数据库收录! |
|