征、质地、断面特征等)、显微结构和药理作用等12部分的基原性状,最后参与分析的基原性状(预测变量)共计523 个。以中药药性为响应变量,基原性状为预测变量,分别用Logistic回归判别、支持向量机判别、决策树判别、随机森林判别、主成分.线性判别和偏最小二乘判别六种方法建立判别模型,对植物性中药进行药性判别,并比较各种模型的判别效果,依据lO次5折交叉验证平均判别正确率、测试样本的判别正确率等指标,筛选最优判别方法,为中药药性的快速识别和临床用药提供依据,为新药研发和食疗研究提供参考。研究结果如下: 1.模型的回代结果:基于中药基原性状,建立六种判别模型,除主成分线性判别模型回代的判别正确率为89.10%#b,其他五种模型回代的判别正确率均在90%以上,其中支持向量机判别分析和决策树判别分析模型回代的判别正确率分别为96.35%和93.80%; 2.模型的稳定性评价结果:交叉验证法的平均判别正确率,Logistic回归判别模型为77.47%,其他模型的判别正确率都达到83%以上,其中随机森林判别分析的正确率最高,为89.58%; 3.模型的预测能力评价结果:将1725种中药分配到训练样本和测试样本中。其中训练样本有1380种药物,包括871种寒性药和509种热性药;测试样本为 345种药物,包括196种寒性药和149种热性药。基于训练样本分别建立六种判别模型,然后对测试样本中的药物做药性预测。除Logistic回归判别模型外,其他模型预测的整体判别正确率均在80%以上,其中随机森林判别模型和偏最小二乘判别模型的预测正确率最高; 4.根据最优判别模型——偏最小二乘判别模型,将1725种中药的基原性状取值代入模型,还原了每味药的基原性状图谱,得到了每种药物的523个基原性状的寒热倾向信息及其理论药性判别得分; 5.基于偏最小二乘判别模型,依据基原性状判别系数值和VIP值,以 2
全文预览
