机器学习方法主要通过已知数据训练优化给定数学模型的参数,因而经过数据训练 产生的模型大小是固定的,可用模型快速筛选超大型的化合物库。其次,它基于经验数据或实验数据,不依赖于物理假设,能够应对复杂机制或更高层级的性质进行 数学建模和预测;其劣势在于它很大程度上依赖于数据的质量以及数据空间的分布 情况。数据储量大质量高,则机器学习或深度学习的表现好,反之则可能表现较差。 此外,其泛化能力也非常受限于它能够看到的数据空间,而且机器学习是一种黑箱 方法,科学家很难明确其判断依据。以上内容摘自《2022阿里云生命科学与智能计算峰会演讲合集》电子书,点击https://developer.aliyun.com/ebook/download/7724 可下载完整版
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。