Improving the performance of SOMFA by use of standard multivariate methods
Improving the performance of SOMFA by use of standard multivariate methods
复制标题
使用标准多变量方法提高 SOMFA 的性能
DOI：
--
复制
发表时间：
2005
期刊：
影响因子：
--
通讯作者：
M. Peräkylä
中科院分区：
文献类型：
--
作者：
Samuli;K. Tuppurainen;R. Laatikainen;M. Peräkylä
自组织分子场分析(SOMFA)提供了一种内置的回归方法，即自组织回归(SOR)，而不是依赖于外部方法，如偏最小二乘法。在这篇文章中，我们用一个主成分证明了SOR和SIMPLS的等价性。因此，SOMFA在复杂数据集上的适度性能主要可以归因于SOMFA回归方法的低性能。介绍了一种对原有SOR方法进行多分量扩展的方法(MCSOR)，并在几个数据集上比较了SOR、MCSOR和SIMPLS的性能。结果表明，如果用更复杂的回归方法代替SOR，总体上SOMFA模型的性能会有很大的提高。Cramer(CBG)数据集的结果进一步强调了这样一个事实，即它是一个非常差的基准数据集，不应用于评估QSAR技术的性能。
Self-Organizing Molecular Field Analysis (SOMFA) comes with a built-in regression methodology, the Self-Organizing Regression (SOR), instead of relying on external methods such as PLS. In this article we present a proof of the equivalence between SOR and SIMPLS with one principal component. Thus, the modest performance of SOMFA on complex datasets can be primarily attributed to the low performance of the SOMFA regression methodology. A multi-component extension of the original SOR methodology (MCSOR) is introduced, and the performances of SOR, MCSOR and SIMPLS are compared using several datasets. The results indicate that in general the performance of SOMFA models is greatly improved if SOR is replaced with a more sophisticated regression method. The results obtained for the Cramer (CBG) dataset further underline the fact that it is a very poor benchmark dataset and should not be used to evaluate the performance of QSAR techniques.
影响因子：
7.3
作者：
Wiese, TE;Polin, LA;Brooks, SC
通讯作者：
Brooks, SC