BBB流程紀錄：

  1. 使用PaDEL產生1D/2D參數及Fingerprints資料    
  2. 使用KNIME跑出RDKit Fingerprint資料
  3. 資料處理(包含data resampling)
  4. machine learning | Weka
  5. auto-weka
  6. deep learning | KNIME
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