机器学习中如何将几种度量距离的量进行线性组合

哎呀妈呀 · 发表于 Post on 2021-5-27 10:55:49

在机器学习中如何将度量距离的量D1和D2进行线性组合，得到D=r1*D1+r2*D2，(D1：欧几里得距离，D2=1-T，其中T表示Tanimoto similarity index）

archer · 发表于 Post on 2021-5-28 13:16:39

用kernel ridge regression , 用核函数把descriptor进行线性组合1

哎呀妈呀 · 发表于 Post on 2021-5-31 11:05:09

archer 发表于 2021-5-28 13:16
用kernel ridge regression , 用核函数把descriptor进行线性组合1

请问，在使用核岭回归之前，如何进行距离的线性组合呢？在代码中如何进行这种定义？有没有关于线性距离定义相关的帖子或书籍可以推荐啊，万分感谢。

archer · 发表于 Post on 2021-5-31 12:34:58

为啥要进行线性组合，机器学习需要高维的输入，你的维度只有一个，怎么进行学习呢

哎呀妈呀 · 发表于 Post on 2021-5-31 13:28:55

archer 发表于 2021-5-31 12:34
为啥要进行线性组合，机器学习需要高维的输入，你的维度只有一个，怎么进行学习呢

因为现在刚开始使用机器学习做预测。想复现别人已发出文章的内容，文章中D是由很多个分子描述符进行定义的，但是我没看明白，距离D是怎么和目标参量之间是如何建立关系的。请问，比如我有100组数据，每组包含8个descriptor（2个分子指纹descriptor，6个物理性质descriptor）和一个target，那么我是否有必要将分子指纹descriptor与6个物理性质descriptor进行距离D的定义，然后建立距离D与target之间的关系。谢谢

archer · 发表于 Post on 2021-5-31 16:25:30

文中是进行线性组合的，系数通过最小化RMSE拟合得到，我觉得多个descriptor组合成一个不是必须的

哎呀妈呀 · 发表于 Post on 2021-5-31 20:45:34

archer 发表于 2021-5-31 16:25
文中是进行线性组合的，系数通过最小化RMSE拟合得到，我觉得多个descriptor组合成一个不是必须的

我也认为将多个descriptor组合成一个不是必须的。
对于这种线性组合，请问，我应该如何在python中进行实现呢？
如果将多个descriptor定义为一个D，那么之前多个descriptor对应的target是不是也应该进行距离D的定义？
谢谢

		自动登录 Automatic login	找回密码 Forget password
密码 Password			注册 Register

[Python] 机器学习中如何将几种度量距离的量进行线性组合

浏览过的版块