2019.03.25 SSU



1. PaDEL

PaDEL使用方法:


PaDEL產生的1D/2D資料要注意:
含以下兩個非認定字元:(#Name?、Infinity),在進行資料分析時須先拿掉。可用excel取代字元,或於weka中進行兩步驟filter去除。
weka兩步驟filter方法如下:
(1) weka.filters.unsupervised.attribute.RemoveType 能以此移除string
(2) weka.filters.unsupervised.attribute.NumericCleaner
✩然後要在minDefault處打上NaN
能以此移除NaN缺失值



2. RDKit

基本需要每一種fingerprint各一個RDKit Fingerprint + Expand Bit Vector,於Fingerprint type改fingerprint的類型,所以當要產生多種Fingerprint種類時需要拉大量重複的兩個node接在一起
((KNIME參照"KNIME_20190121_Fingerprint_BBB"的protocol))


3. Data資料處理

利用SMOTE、SpreadSubsample達到資料平衡:
• SMOTE: 利用少數類別中的點,及其鄰近的5個點連線,隨機於線性中生成新的數據
• SpreadSubsample: 以隨機減少多數類別的數量來達成少數類別與多數類別間的平衡

使用以下:
weka.filters.unsupervised.instance.SMOTE 要調整percentage
數字為 [(多數量/少數量)-1] 
weka.filters.unsupervised.instance.SpreadSubsample 要調整distributionSpread從0.0->1.0 
1.0是讓多的往少的數量降

另外:切割資料(Cut1、Cut2)是於excel中進行,以"=RAND()"函數產生亂數,隨機挑選36個no(n),109個yes(p)於Cut2做獨立測試用,其他留於Cut1做model建立


4. Weka ML

• RandomForest
• SGD (SGD introduction)
另:SimpleCLI=>點此

如使用Weka-KnowledgeFlow
not found ((Weka參照"20190408_Weka-Flow_BBB_training-test.kf"的protocol))


5. AutoWeka

位於weka介面的最右,可以precision、fMeasure、areaUnderROC等等的作為比對條件(一次一個)

如使用Weka-KnowledgeFlow
not found ((Weka參照"20190409_Weka-Flow_BBB_autoweka.kf"的protocol))


6. Deep learning

cross validation
not found ((KNIME參照"KNIME_DL_20190213_MLP_deep-learning_BBB_update2"的protocol))

當要測試training set cross validation及test set的結果
not found ((KNIME參照"KNIME_DL_20190328_MLP_deep-learning"的protocol))
MLP參數調整:Maximum number of iterations、Number of hidden layers(層數)、Number of hidden neurons per layer(每層節點數)

SimpleMLP/DeepMLP
not found not found ((KNIME參照"KNIME_DL_20190329_MLP_SimpleMLP-DeepMLP"的protocol))
會用到SGD參數,需調learning rate、batch size、Epochs (可參考SGD introduction的說明)

※KNIME的SMOTE的node記得要選取: ⦿ Oversample monority classes