基于SVM算法的中药化合物寒热药性预测研究  

作　　者：吴智妍 金卫[1] 岳路[1] 生慧[1] 

机构地区：[1]山东中医药大学智能与信息工程学院,山东济南250300

出　　处：《时珍国医国药》2022年第11期2816-2816,F0003,F0004,共3页Lishizhen Medicine and Materia Medica Research

基　　金：中医药院校电子信息专业学位研究生培养模式研究于实践(XJJG2021006);山东中医药大学科学基金优秀青年科学基金自然科学类(2018zk22);山东中医药大学科学基金优秀青年科学基金自然科学类(2018zk23)。

摘　　要：目的 研究对比3种机器学习算法在中药化合物寒热药性预测的应用效果模型,以解释中药寒热药性与其物质成分之间的关系。方法 利用分子描述符来表征中药药性的结构基础,然后引入逻辑回归算法、SVM算法、决策树算法构建寒热药性预测模型,并分析3种模型对化合物寒热药性的准确率,通过留一法对模型进行评价。结果 SVM算法对中药寒热药性预测的效果较好,其中SVM算法的准确率达到了87.79%,明显高于其他两种算法。并且模型的拟合效果较好,AUC、Precision、Recall、F1_score值分别为0.855、0.812、0.893、0.851。结论 SVM算法模型具有较高的预测性和比较好的稳定性,有利于中药寒热药性的预测研究、中药化合物的物质结构与成分决定中药化合物的药性。

关 键 词：机器学习 支持向量机 中药化合物 分子描述符 模型评价 

分 类 号：R285.1[医药卫生—中药学]