论文研究 利用神经网络和Logistic回归预测系统发育树的基础结构

理解系统发育树的基础结构非常重要,因为它告知了在系统发育推断过程中应采用的方法。 在结构化总体下使用的方法与未在结构化总体上使用的方法不同。 在本文中,我们比较了两种有监督的机器学习技术,即人工神经网络(ANN)和逻辑回归模型,用于预测系统树的基础结构。 我们对模型进行了参数调整以识别最佳模型。 然后,我们在逻辑回归和ANN的最佳模型上进行了10倍交叉验证。 我们还执行了一种称为聚类的非监督技术,以识别可以从模拟系统树中识别出的聚类数量。 这些树木来自结构化和非结构化种群。 使用分类技术(例如Colless,Sackin和cophenetic索引等)完成了使用分类技术的聚类和预测。 10倍交叉