典型文献
四种机器学习算法预测大豆蛋白质定位对比研究
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
李佳楠;高兴泉;李卓;滕小华;黄斌;张继成;唐友
作者机构：
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;东北农业大学电气与信息工程学院,黑龙江哈尔滨150030
文献出处：
引用格式：
[1]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(03):337-344
A类：
序列位置预测
B类：
机器学习算法,算法预测,大豆蛋白质,蛋白质定位,亚细胞定位,定位预测,预测能力,万条,蛋白质序列,序列数据,完全随机缺失,朴素贝叶斯算法,随机森林算法,失序,运行速度,运行时间,先考,机器学习方法,质数,支持向量机算法,决策树算法
AB值：
0.165303
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。
