На Ð¿Ñ€Ð°Ð²Ð°Ñ Ñ€ÑƒÐºÐ¾Ð¿Ð¸ÑÐ¸

Табл. 16. Усредненные статистические показатели линейно-регрессионных моделей
для прогнозирования температуры кипения органических соединений
при варьировании максимального размера фрагментов
Максимальное
количество
атомов
во
фрагментах
Общее количество
фрагментных
дескрипторов
Среднее
число отобранных
фрагментных
дескрипторов
БПМЛР
R t RMSE t RMSE c RMSE p
1 138 33±19 0,9642 17,7 18,6 20,5
2 555 46±13 0,9814 12,9 16,7 18,6
3 1744 46±20 0,9821 12,2 17,9 20,4
4 2104 44±17 0,9838 11,8 18,2 19,5
5 2327 42±14 0,9835 11,9 18,3 19,9
6 2561 35±15 0,9801 13,1 18,3 20,4
7 2706 37±16 0,9812 12,7 18,4 20,0
8 2781 38±16 0,9827 12,1 17,3 20,0
9 2821 37±17 0.9811 12,7 18,5 19,6
10 2851 37±17 0.9811 12,7 18,6 19,6
БПМЛР – быстрая пошаговая множественная линейная регрессия; R обуч – множественный
коэффициент корреляции (квадратный корень от коэффициента
детерминации) на обучающей выборке; RMSE обуч , RMSE контр , RMSE пред – среднеквадратичная
ошибка в o C на обучающей, контрольной выборок и для выборки
для оценки предсказательной способности, соответственно.
Как видно из Табл. 16, минимальные значения среднеквадратичных ошибок
для обучающей и двух контрольной выборок приходятся на наборы фрагментных
дескрипторов с максимальным числом атомов, равным 2, 4 и 5, соответственно.
В дальнейшем по ходу данной работы для построения нейросетевых
моделей для прогнозирования температуры кипения органических соединений
использовался только набор фрагментных дескрипторов с максимальным
числом атомов, равным двум, поскольку при этом предсказательная способность
модели, оцененная по среднеквадратичной ошибке на внутренней контрольной
выборке, оказывается наилучшей.
219