典型文献
基于XGBoost和SHAP的中药寒热药性识别及寒热特征标记可视化研究
文献摘要：
目的 运用集成学习中的XGBoost算法探索构建中药寒热药性识别模型,采用SHAP进一步探索中药寒热特征标记与寒热药性识别结果的关系.方法 利用61味中药的紫外光谱数据集,运用集成学习中的XGBoost算法,构建中药寒热药性识别模型,通过稳定性评价和外推评价等方式评估模型的性能,采用SHAP对中药寒热特征标记进行可视化.结果 模型评价方面,在稳定性比较中,本文模型在单溶剂下的ACC和AUC分别为0.852、0.865,多溶剂下的ACC为0.770;在外推比较中,本文模型在单溶剂下的ACC和AUC分别为0.810、0.828,多溶剂下的ACC为0.786;可视化方面,寒性中药在紫外波长400和267 nm的吸收度具有相似性,而热性中药在紫外波长400、299和301 nm的吸收度具有相似性.结论 与经典模型相比,本文模型对中药寒热药性具有更好的识别能力.具有相似的紫外光谱的中药,其药性同样具有相似性,初步证明了物质成分相似的中药具有相似的药性.
文献关键词：
中药寒热药性;中药寒热特征标记;集成学习;XGBoost;SHAP;可视化
中图分类号：
作者姓名：
张喜科;赵文华;付先军;马志庆;魏国辉
作者机构：
山东中医药大学智能与信息工程学院 济南 250355;山东中医药大学中医药经典理论教育部重点实验室 济南 250355
文献出处：
引用格式：
[1]张喜科;赵文华;付先军;马志庆;魏国辉-.基于XGBoost和SHAP的中药寒热药性识别及寒热特征标记可视化研究)[J].世界科学技术-中医药现代化,2022(12):4984-4993
A类：
中药寒热特征标记
B类：
XGBoost,SHAP,中药寒热药性,可视化研究,集成学习,探索构建,识别模型,紫外光谱,光谱数据,过稳定性,稳定性评价,外推,模型评价,ACC,吸收度,识别能力,物质成分,药具
AB值：
0.157245
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
