Key points are not available for this paper at this time.
우리는 훈련 세트의 모든 하위 서열의 명시적 고차원 예측 변수 공간에서 선형 분류기가 직접 작동하는 식별적 서열 분류를 위한 프레임워크를 제시합니다 (커널 유도 공간에 비해). 이는 전체 공간을 확장할 필요 없이 식별적 하위 서열을 효율적으로 선택하기 위해 경량 제한 좌표 하강 알고리즘을 사용하는 것으로 실현됩니다. 우리의 프레임워크는 로지스틱 회귀의 이항 로그 우도 손실 및 서포트 벡터 머신의 제곱 힌지 손실을 포함해 다양한 손실 함수에 적용될 수 있습니다. 단백질 원거리 동종성 탐지 및 원거리 폴드 인식에 적용했을 때, 우리의 프레임워크는 최신 기술 수준에 필적하는 성능을 달성합니다 (예: 커널 서포트 벡터 머신). 최신 기술 수준의 서열 분류기에 비해, 우리의 모델은 단순히 가중치가 부여된 식별적 하위 서열의 목록이며 따라서 해석 및 생물학적 문제와 관련지을 수 있습니다 -- 생물정보학 및 의료 커뮤니티에 필수적인 요구 사항입니다.
Ifrim 외 (Sun,) 이 질문을 연구했습니다.