VIP20
本课程属于：059-药物知识图谱解读 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

药物图谱参数调试与优化方法

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
药物图谱概论
从网络药理学到精准医学 · 药物图谱的定义与构建方法
药物图谱概论从网络药理学到精…
02
数据源与获取
常用药物-靶点数据库（DrugBan… · STITCH · String）的API使用与数据清洗
数据源获取
03
图数据结构基础
节点 · 边 · 属性
图数据结构基础节点
04
图谱构建流程
药物-基因-疾病三元组提取 · 实体对齐与标准化
图谱构建流程药物
05
参数调优概述
为什么需要调参？欠拟合 · 过拟合在图谱任务中的表现
参数调优概述为什么需要调参？…
06
超参数空间设计
网格搜索 · 随机搜索 · 贝叶斯优化的原理与适用范围
超参数空间设计网格搜索
07
学习率调试
初始学习率 · 衰减策略（Step · Cosine
学习率调试初始学习率
08
图注意力机制（GAT）参数
注意力头数 · dropout率 · 负斜率（LeakyReLU alph…
GAT图注意力机制
09
图卷积网络（GCN）参数
层数 · 隐藏维度 · 邻接矩阵归一化方式的影响
GCN图卷积网络
10
图SAGE与邻居采样
采样深度 · 采样邻居数 · 聚合器（mean/pool/LSTM…
SAGE邻居采样
11
消息传递与聚合参数
消息函数 · 聚合函数 · 更新函数的调试技巧
消息传递聚合参数
12
损失函数选择
交叉熵 · Focal Loss · 对比损失（InfoNCE）适用于药物…
损失函数选择交叉熵
13
正则化策略
L2权重衰减 · DropEdge · DropNode
正则化策略L2
14
边预测任务参数
负采样比例 · 边特征拼接方式 · 得分函数的内积/双线性
边预测任务参数负采样比例
15
节点分类任务参数
类别不平衡处理 · 加权损失 · 微调最后一层
节点分类任务参数类别不平衡处理
16
链接预测评估指标
AUC-ROC · AP（Average Precisi… · MRR
链接预测评估指标AUC-ROC
17
早停与模型选择
验证集监控 · patience设置 · 最佳模型保存策略
早停模型选择
18
多任务学习参数
共享表示层与任务特定头的联合训练权重…
多任务学习参数共享表示层
19
知识图谱嵌入（KGE）参数
TransE · RotatE · ComplEx的嵌入维度
KGE知识图谱嵌入
20
随机种子与可复现性
NumPy · PyTorch · DGL的种子设置与CUDNN确定性
随机种子可复现性
21
批量大小与梯度累积
小批量训练对药物图谱大规模图的显存优…
批量大小梯度累积
22
学习率调度器详解
Warm-up + Cosine A…
学习率调度器详解Warm-up
23
模型集成与Bagging
多个随机种子模型的平均投票 · 加权融合
Bagging模型集成
24
特征工程调优
药物分子指纹（Morgan · MACCS） · 基因表达数据的归一化选择
特征工程调优Morgan
25
图增广（Graph Augmentation）
节点Dropout · 边扰动 · 子图采样对泛化能力的影响
GraphAugmentation
26
迁移学习与预训练
在大型药物图谱上预训练GNN · 下游微调时的参数冻结策略
迁移学习预训练
27
可视化调试
tsne/umap投影 · attention权重热力图 · 邻居分布直方图
可视化调试tsne/umap
28
实验管理
Weights & Biases · TensorBoard · MLflow记录每次调参的历史
实验管理Weights
29
自动化调参框架
Optuna · Ray Tune · Hyperopt与图模型结合的配置范…
自动化调参框架Optuna
30
实战案例
从零开始优化一个药物-靶点关联预测模…
实战案例从零开始优化一个…