实验一 基于支持向量机实现激酶抑制剂的分类

一、 问题描述

激酶抑制剂是一种能够抑制激酶活性的化合物,在药物研发中具有重要意义,特别是在癌症治疗领域。蛋白激酶参与调节细胞的多个功能,其抑制剂的研发对于理解疾病机制和开发新疗法至关重要。本实验旨在利用支持向量机(SVM)算法对激酶抑制剂进行分类,数据集包含2013个样本,每个样本具有5个特征,并分为四类。

二、 解决方案

采用支持向量机(SVM)算法对激酶抑制剂进行分类。SVM是一种强大的分类算法,特别适用于高维数据的分类问题。这里使用Python的sklearn库来构建和训练SVM模型,并对模型的结果进行分析。

三、 实验步骤

1、导入相关的库和创建支持向量机实例

首先需要导入Python中必要的库,如numpy、pandas和sklearn。然后创建SVM实例,并设置相关参数。

2、使用sklearn库直接调用机器学习模型并实例化

利用sklearn库中的SVM分类器,将数据集划分为训练集和测试集,对模型进行训练和测试。

四、 结果分析

训练完成后,对模型的分类结果进行分析,包括准确率、混淆矩阵等指标,以评估模型的性能。下面是程序运行截图:

对运行结果的解释:

五、 核心代码

python 复制代码
# 导入必要的库,用于机器学习模型和数据处理
from sklearn.ensemble import AdaBoostRegressor, RandomForestRegressor, RandomForestClassifier
data_url = "http://lib.stat.cmu.edu/datasets/boston"
from numpy import array
from pandas import read_csv
from sklearn.model_selection import train_test_split
import pandas as pd
import numpy as np
from sklearn.preprocessing import OneHotEncoder, StandardScaler

# 从CSV文件中读取激酶数据
dataframe = read_csv("kinase_selected.csv", delimiter=',')

# 将数据框转换为numpy数组
dataset = dataframe.values

# 分离特征(X),排除第一列(假设是标签或ID)
X = dataset[:, 1:]

# 初始化标准化器,用于特征缩放
scaler = StandardScaler()

# 拟合标准化器并转换特征数据
X_scaled = scaler.fit_transform(X)

# 打印缩放后特征数据的形状
print(X_scaled.shape)

# 从数据框中提取特征名称,排除第一列
feature_names = dataframe.columns.values[1:]

# 将特征名称转换为numpy数组以便于处理
features = array(feature_names)

# 打印所有特征及其总数
print("All features:")
print(features)
print("length of features:", len(features))

# 从另一个CSV文件中读取标签数据
label = pd.read_csv('label_kinase_selected.csv', sep=',')

from sklearn import preprocessing
from sklearn.preprocessing import OneHotEncoder, StandardScaler

# 初始化标签编码器,用于将分类标签转换为数值
le = preprocessing.LabelEncoder()

# 选择标签数据框的最后一列作为目标变量
y = label.iloc[:, -1]

# 打印标签的形状
print(y.shape)

# 拟合标签编码器并将标签转换为数值格式
Y = le.fit_transform(y)

# 打印转换后的标签
print(Y)

# 打印标签数据框中"Binding_Modes"列的每个唯一值的计数
print(label['Binding_Modes'].value_counts())

from sklearn.model_selection import train_test_split

# 将数据集分为训练集和测试集
# 输入特征为X_scaled,输出标签为Y
X_train, X_test, Y_train, Y_test = train_test_split(X_scaled, Y, test_size=0.2, random_state=42, stratify=Y)

# 打印训练特征数据的维度和训练标签中类的数量
print("Feature data dimension: ", X_train.shape)
print("Num of classes: ", Y_train.shape)

# 从sklearn导入支持向量分类器
from sklearn.svm import SVC

# 初始化支持向量分类器
estimator = SVC()

# 在训练数据上拟合模型
estimator.fit(X_train, Y_train)

# 打印模型在训练数据上的准确率
print("train score:", estimator.score(X_train, Y_train))

# 打印模型在测试数据上的准确率
print("test score:", estimator.score(X_test, Y_test))
相关推荐
蓝博AI1 小时前
基于卷积神经网络的眼疾识别系统,resnet50,efficentnet(pytorch框架,python代码)
pytorch·python·cnn
威视锐科技2 小时前
软件定义无线电36
网络·网络协议·算法·fpga开发·架构·信息与通信
牧歌悠悠2 小时前
【Python 算法】动态规划
python·算法·动态规划
JINX的诅咒3 小时前
CORDIC算法:三角函数的硬件加速革命——从数学原理到FPGA实现的超高效计算方案
算法·数学建模·fpga开发·架构·信号处理·硬件加速器
明天不下雨(牛客同名)4 小时前
为什么 ThreadLocalMap 的 key 是弱引用 value是强引用
java·jvm·算法
lisw054 小时前
DeepSeek原生稀疏注意力(Native Sparse Attention, NSA)算法介绍
人工智能·深度学习·算法
Doris Liu.5 小时前
如何检测代码注入(Part 2)
windows·python·安全·网络安全·网络攻击模型
逢生博客5 小时前
阿里 FunASR 开源中文语音识别大模型应用示例(准确率比faster-whisper高)
人工智能·python·语音识别·funasr
噔噔噔噔@5 小时前
软件测试对于整个行业的重要性及必要性
python·单元测试·压力测试
喝拿铁写前端5 小时前
SmartField AI:让每个字段都找到归属!
前端·算法