VIP20
本课程属于：056-蛋白配体相互作用特征学习任务 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

类别不平衡处理方法在蛋白配体中的应用

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
课程介绍与背景
蛋白配体相互作用预测中的类别不平衡问…
课程介绍背景
02
不平衡分类基础
定义 · 影响 · 典型场景（活性vs非活性
不平衡分类基础定义
03
评价指标
准确率的陷阱 · AUROC · AUPRC
评价指标准确率的陷阱
04
数据层面方法
随机欠采样（Random Under…
数据层面方法Random
05
随机过采样（Random Oversampling）及其风险（过拟合、重复样本）
随机过采样（Random Oversam… · 核心概念 · 实践要点
RandomOversampling
06
SMOTE算法
合成少数类样本的原理 · 参数 · 优缺点
SMOTE算法
07
SMOTE变体
Borderline-SMOTE · SVM-SMOTE · K-means SMOTE
SMOTE变体
08
ADASYN算法
自适应合成采样方法
ADASYN算法
09
基于聚类的过采样
Cluster-Based Over…
基于聚类的过采样Cluster-Base…
10
数据清洗技术
Tomek Links · Edited Nearest Nei…
数据清洗技术Tomek
11
数据层面组合策略
SMOTE+Tomek · SMOTE+ENN
数据层面组合策略SMOTE+Tomek
12
集成方法
EasyEnsemble · BalanceCascade
集成方法EasyEnsemble
13
代价敏感学习
权重调整 · 代价矩阵 · 与损失函数结合
代价敏感学习权重调整
14
基于Boosting的不平衡处理
RUSBoost · AdaCost · SMOTEBoost
Boosting基于
15
深度学习中的加权损失
类别权重 · Focal Loss原理与实验
深度学习加权损失
16
生成对抗网络（GAN）
用于生成蛋白配体复合物的合成数据
GAN生成对抗网络
17
迁移学习与自监督学习缓解不平衡
预训练-微调策略
迁移学习自监督学习缓解不…
18
特征选择与不平衡结合
基于互信息 · 卡方检验的特征筛选
特征选择不平衡结合
19
蛋白配体数据集的构建与不平衡特性分析（ChEMBL、PDBbind等）。
蛋白配体数据集的构建与不平衡特性分析（C… · 核心概念 · 实践要点
ChEMBLPDBbind
20
分子描述符与指纹
ECFP · MACCS · 在分类中的局限性
分子描述符指纹
21
基于图神经网络（GNN）的蛋白配体预测中的不平衡处理。
基于图神经网络（GNN）的蛋白配体预测中… · 核心概念 · 实践要点
GNN基于图神经网络
22
多任务学习
利用辅助任务缓解主要类别的不平衡
多任务学习利用辅助任务缓解…
23
主动学习
智能选择样本以平衡标注成本与类别分布
主动学习智能选择样本以平…
24
实战案例一
用SMOTE改善AQME分类模型（激…
实战案例一SMOTE
25
实战案例二
Focal Loss提升GPCR活性…
实战案例二Focal
26
实战案例三
集成方法处理泛靶点毒性筛选
实战案例三集成方法处理泛靶…
27
模型选择与超参数调优
网格搜索 · 贝叶斯优化在不平衡下的调整
模型选择超参数调优
28
模型解释性
SHAP · LIME在不平衡场景下解读特征重要性
模型解释性SHAP
29
验证策略
分层交叉验证 · 时间序列分割 · 独立测试集
验证策略分层交叉验证
30
课程总结与未来展望
端到端管线 · 联邦学习 · 数据增强趋势
课程总结未来展望