四种机器学习算法预测大豆蛋白质定位对比研究

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

所属期刊栏目：41

分类号：TP391;Q516;Q786

资助基金：吉林省特色高水平学科新兴交叉学科数字农业;吉林省智慧农业工程研究中心项目;国家自然科学基金

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：337-344