论文研究 基于968种抗癌药物的50种抗癌食物分子的机器学习预测

抗癌分子（CBM）在许多类型的食物和潜在的抗癌治疗剂中含量很高。 在之前的工作中，研究人员引入了一个基于网络的机器学习平台来识别癌症分子，例如，比较批准的抗癌药物和食物分子在分子网络中的相似性。 在此，我们旨在以此为基础来提高预测食物分子的准确性。 在这个项目中，我们通过将软投票算法应用于七种机器学习算法来改进监督学习方法：具有径向基函数的支持向量机（带有RBF内核的SVM），多层感知器神经网络（MLP），随机森林，决策树，高斯朴素贝叶斯，Adaboosting和装袋。 结果，使用的50种食物分子的数据集中的准确性从82％提高到87％，从而显着提高了预测抗癌分子的准确性。