VIP20
本课程属于：053-药物知识图谱特征学习任务 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

药物节点分类AUC与F1评估方法

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程介绍与目标
明确课程目标 · 适用人群 · 学习路径与预期收获
课程介绍目标
02
药物节点分类问题概述
什么是节点分类？药物领域的应用场景与…
药物节点分类问题…什么是节点分类？…
03
图的基本概念
节点 · 边 · 度
图的基本概念节点
04
图的表示与存储
邻接表 · 邻接矩阵 · 稀疏表示
图的表示存储
05
节点特征与边特征
药物分子的原子特征 · 化学键特征 · 特征工程方法
节点特征边特征
06
图神经网络入门
GNN的动机 · 消息传递机制 · 聚合函数
图神经网络入门GNN
07
GCN原理与实现
谱图卷积 · Chebyshev近似 · 基于PyTorch的代码实现
GCN原理
08
GAT原理与实现
注意力机制 · 多头注意力 · 代码实践
GAT原理
09
GraphSAGE原理与实现
邻居采样 · 归纳学习 · 代码实践
GraphSAGE原理
10
节点分类数据集准备
常用药物分子图数据集（如Molecu… · 数据加载与预处理
节点分类数据集准…Molecu
11
训练/验证/测试集划分
分层划分 · 时间序列划分 · 跨图划分策略
训练验证
12
模型训练基础
前向传播 · 反向传播 · 损失函数（交叉熵等）
模型训练基础前向传播
13
优化器与学习率调度
Adam · SGD · CosineAnnealingLR及…
优化器学习率调度
14
评估指标概述
准确率 · 精确率 · 召回率
评估指标概述准确率
15
AUC指标详解
ROC曲线绘制 · AUC的计算方法（梯形法则） · AUC的物理意义
AUC指标详解
16
F1指标详解
F1 = 2*P*R/(P+R) 推… · F1与PR曲线的联系
F1指标详解
17
宏平均与微平均F1
多分类下的宏平均 · 微平均 · 加权平均的计算与差异
F1宏平均
18
多分类下的AUC
一对多（OvR） · 一对多宏平均 · 微平均AUC的计算
AUC多分类下的
19
混淆矩阵与相关指标
TP/FP/FN/TN · 灵敏度 · 特异度
混淆矩阵相关指标
20
阈值选择对F1的影响
阈值移动 · 最大F1准则 · 如何选择最优阈值
F1阈值选择对
21
不平衡数据处理方法
过采样（SMOTE） · 欠采样 · 类别权重
不平衡数据处理方…SMOTE
22
交叉验证与性能评估
K折交叉验证 · 留一法 · 嵌套交叉验证
交叉验证性能评估
23
模型选择与超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
模型选择超参数调优
24
实验设计与结果分析
对照实验 · 消融实验 · 显著性检验
实验设计结果分析
25
可视化评估结果
ROC曲线 · PR曲线 · 混淆矩阵热力图
可视化评估结果ROC
26
实际案例1
药物-药物相互作用预测（DDI）中的…
实际案例1DDI
27
实际案例2
药物靶点预测（Drug-Target…
实际案例2Drug-Target
28
常见陷阱与注意事项
数据泄露 · 微平均的误导性 · AUC与F1的矛盾情况
常见陷阱注意事项
29
模型可解释性与评估
GNNExplainer · 注意力权重分析对评估的辅助作用
模型可解释性评估
30
总结与未来方向
对比不同评估指标的适用性 · 可重复性 · 公平性挑战
未来方向对比不同评估指标…