R, s, F
Пошаговый вариант множественной линейной регрессии
Разбиение выборки
на обучающую и контрольную Процедура скользящего контроля
Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Статистические методы в QSAR
Содержание
- 1. Статистические методы в QSAR
- 2. Затронутые темыЗадача статистического анализа в QSAR Множественная
- 3. Задача статистического анализа в QSAR Целью статистического
- 4. Задача статистического анализа в QSARj=1,…,N Принцип максимального правдоподобия
- 5. Метод наименьших квадратовВыборка является репрезентативнойСлучайная величина ε имеет нормальное распределение Наблюдения являются независимымиНаблюдения являются равноточными
- 6. Множественная линейная регрессия – постановка задачиj = 1,…,N Найти такие значения Ci:
- 7. Множественная линейная регрессия – решение задачиРегрессионные коэффициентыЭкспериментальные значения свойстваЗначения дескрипторов
- 8. Статистические показатели для МЛРRSS – сумма квадратов остатковSS – дисперсия свойства YR – коэффициент корреляцииO
- 9. Статистические показатели для МЛРRMSE – среднеквадратичное значение
- 10. Статистические показатели для МЛР
- 11. Статистические показатели для МЛР
- 12. Статистические показатели для МЛР
- 13. Статистические показатели для МЛРИндивидуальный t-критерий (критерий Стьюдента) для дескриптора
- 14. Необходимость отбора дескрипторовПроблема мультиколлинеарности дескрипторов и сингулярности
- 15. Пошаговый вариант множественной линейной регрессии Дескриптор включается
- 16. Разбиение выборки на обучающую и контрольную PRSSS
- 17. Процедура скользящего контроля (cross-validation)При μ-кратном скользящем контроле
- 18. Процедура скользящего контроля – статистические показатели RMSECV
- 19. Скачать презентанцию
Затронутые темыЗадача статистического анализа в QSAR Множественная линейная регрессияСтатистические показатели: R, s, F Пошаговый вариант множественной линейной регрессии Разбиение выборки на обучающую и контрольную Процедура скользящего контроля
Слайды и текст этой презентации
Слайд 2Затронутые темы
Задача статистического анализа в QSAR
Множественная линейная регрессия
Статистические показатели:
R, s, F
на обучающую и контрольнуюПроцедура скользящего контроля
Слайд 3Задача статистического анализа в QSAR
Целью статистического анализа в QSAR
является поиск функции f, связывающей значение свойства y (которое может
быть как физико-химическим свойством, так и биологической активностью) со значениями дескрипторов x1,…,xM, описывающих химическое соединение:Y непрерывное – регрессионный анализ, аппроксимация функции
Y дискретное – дискриминантный анализ, классификация, распознавание образов
Слайд 5Метод наименьших квадратов
Выборка является репрезентативной
Случайная величина ε имеет нормальное распределение
Наблюдения являются независимыми
Наблюдения являются равноточными
Слайд 7Множественная линейная регрессия – решение задачи
Регрессионные коэффициенты
Экспериментальные значения свойства
Значения дескрипторов
Слайд 8Статистические показатели для МЛР
RSS – сумма квадратов остатков
SS – дисперсия
свойства Y
R – коэффициент корреляции
O
Слайд 9Статистические показатели для МЛР
RMSE – среднеквадратичное значение ошибки
s – стандартное
отклонение
MAE – средняя абсолютная ошибка
F – критерий Фишера
Слайд 13Статистические показатели для МЛР
Индивидуальный t-критерий (критерий Стьюдента) для дескриптора
Слайд 14Необходимость отбора дескрипторов
Проблема мультиколлинеарности дескрипторов и сингулярности матрицы (XTX)-1
Проблема
переопределенности моделей
Внесение «шума» в модель нерелевантными дескрипторами
Слайд 15Пошаговый вариант множественной линейной регрессии
Дескриптор включается в модель, если
Дескриптор
исключается из модели, если
Типичные значения порогов: FIN = 3.84,
FOUT = 2.7 
Слайд 16Разбиение выборки на обучающую и контрольную
PRSSS - сумма квадратов
остатков при прогнозе
PSSS - дисперсия свойства y на контрольной выборке
PRMSES
- среднеквадратичная ошибка на прогнозеPMAES - средняя абсолютная ошибка на прогнозе
Q2s - квадрат коэффициента корреляции на прогнозе
Слайд 17Процедура скользящего контроля (cross-validation)
При μ-кратном скользящем контроле исходная выборка разбивается
на μ приблизительно равных частей
Каждая из этих частей по очереди
объявляется контрольной выборкойДля нее формируется обучающая выборка, состоящая из всех соединений из исходной выборки, в нее не входящих
По обучающей выборке строится регрессионная модель
По текущей контрольной выборке вычисляется сумма квадратов ошибок PRSSs и сумма абсолютных ошибок PSAEs
Пункты 2-5 повторяются для всех μ частей
Слайд 18Процедура скользящего контроля – статистические показатели
RMSECV - среднеквадратичная ошибка
прогноза
MAECV - средняя абсолютная ошибка прогноза
Q2CV – коэффициент корреляции
для прогноза
