مقارنة وتحسين القدرة على التنبؤ وقابلية التفسير مع نماذج التعلم الجماعي في تطبيقات QSPR

يساعد التعلم الجماعي في تحسين نتائج التعلم الآلي من خلال دمج عدة نماذج ويتيح إنتاج أداء تنبؤي أفضل مقارنة بنموذج واحد. كما أنه يفيد ويعجل الأبحاث في علاقة الهيكل الكمي-النشاط (QSAR) وعلاقة الهيكل الكمي-الخاصية (QSPR). مع العدد المتزايد من نماذج التعلم الجماعي مثل الغابة العشوائية، ستكون فعالية QSAR/QSPR محدودة بعجز الآلة عن تفسير التنبؤات للباحثين. في الواقع، العديد من تطبيقات نماذج التعلم الجماعي قادرة على قياس الحجم العام لكل ميزة. على سبيل المثال، يسمح لنا أهمية الميزة بتقييم الأهمية النسبية للميزات وتفسير التنبؤات. ومع ذلك، قد تؤدي طرق أو تطبيقات التعلم الجماعي المختلفة إلى اختيارات ميزات مختلفة للتفسير. في هذه الورقة، قمنا بمقارنة القدرة على التنبؤ وقابلية التفسير لأربعة نماذج تعلم جماعي نموذجية راسخة (الغابة العشوائية، الأشجار العشوائية المتطرفة، تعزيز التكيف وتعزيز التدرج) لمهام نمذجة الانحدار والتصنيف الثنائي. ثم تم بناء طرق الدمج من خلال تلخيص أربع طرق تعلم جماعي مختلفة. أسفرت طريقة الدمج عن أداء أفضل وتفسير موحد من خلال تلخيص التنبؤات الفردية من نماذج التعلم المختلفة. تمت مناقشة الميزات المهمة لدراستين حالتين قدمتا لنا معلومات قيمة لتجميع الخصائص بالتفصيل في هذا التقرير. يمكن أن يؤدي نمذجة QSPR مع تقنيات التعلم الآلي القابلة للتفسير إلى دفع التصميم الكيميائي للعمل بشكل أكثر كفاءة، تأكيد الفرضيات وتأسيس المعرفة لتحقيق نتائج أفضل.