python - 是否可以使用 scikit-learn 而不是二元分类来预测变量(如果可以)而不是如何预测

Question

我在制药科学领域工作，我的工作是化合物并通过计算其化学性质或描述符，我们可以预测该化合物的某些生物学功能。我使用 python 和 R 编程语言来实现同样的目的，还使用 ​​Weka 机器学习工具。 Weka 提供使用 SVM 和其他支持算法进行二进制预测的工具。

Ex数据集:训练集

Chem_ID   MW LogP HbD HbE IC50 Class_label
  001    232  5    0   2    20    0
  002    280  2    1   4    41    1
  003    240  5    0   2    22    0
  004    300  4    1   5    48    1
  005    245  2    0   2    24    0
  006    255  1    0   2    20    0
  007    299  5    1   4    49    1

测试集

Chem_ID  MW   LogP HbD HbE IC50 Class_label
    000   255  1    0   2    20    

在 weka 中，很少有算法可以预测“class_label”，或者我们也可以预测特定变量(我们通常预测“IC50”值)，scikit-learn 或 python 中的任何其他机器学习库是否具有该功能。如果是的话我们该如何使用它谢谢。

Answer 1

是的，这是一个回归问题。有许多不同的模型可以解决回归问题，从简单的Linear Regression , 至Support Vector Regression或Decision Tree Regressors (还有更多)。

它们的工作原理与二元分类器类似:您为它们提供训练数据，而不是 0/1 标签，而是为它们提供要训练的目标值。在您的情况下，您会将要预测的特征作为目标值，并将其从训练数据中删除。

简短示例:

target_values = training_set['IC50']
training_data = training_set.drop('IC50')

clf = LinearRegression()
clf.fit(training_data, target_values)

test_data = test_set.drop('IC50')

predicted_values = clf.predict(test_data)