基于電子電離質(zhì)譜數(shù)據(jù)和機器學習的新精神活性物質(zhì)分類預測模型構建

摘要： 新精神活性物質(zhì)的結(jié)構變化快速，給基于標準物質(zhì)和質(zhì)譜數(shù)據(jù)庫篩選和鑒定這些新物質(zhì)帶來了挑戰(zhàn)。本研究使用機器學習方法為未知新精神活性物質(zhì)的結(jié)構鑒定提供新策略?；?71個質(zhì)譜數(shù)據(jù)集構建了最近鄰、支持向量機、隨機森林和人工神經(jīng)網(wǎng)絡算法用于新精神活性物質(zhì)的結(jié)構分類預測，采用5倍交叉驗證的網(wǎng)格搜索對模型的超參數(shù)進行優(yōu)化，使用混淆矩陣、準確度、精密度、召回率和f-分數(shù)評估4種分類預測模型的性... （共7頁）