Образовательная технология
QSAR / QSPR / Методы и приемы построения зависимостей в поисковом прогнозировании. Линейные модели
жүктеу/скачать 1,02 Mb.
|
ОТВЕТЫ комп.хим (1)
- Бұл бет үшін навигация:
- Прогнозирование
- Линейная модель
| 2.QSAR / QSPR / Методы и приемы построения зависимостей в поисковом прогнозировании. Линейные модели
Методы QSAR/QSPR Несмотря на то, что по сравнению с подходами 3D QSАR/QSPR классические методы 2D QSАR/QSPR более просты и лучше приспособлены для анализа больших массивов данных, они имеют ограничения при конструировании новых соединений и, особенно, супрамолекулярных систем. В частности, они 1) не позволяют учитывать особенности пространственного строения молекул, и как следствие, различать стереоизомеры, 2) не позволяют детально описывать межмолекулярные взаимодействия лиганд-мишень, 3) в рамках этих методов невозможна наглядная интерпретация результатов путем рассмотрения пространственного строения комплексов лиганд-мишень. Методы (методика) прогнозирования – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза. Прогнозирование — это процесс построение предсказания будущего на основе исторических данных, текущих данных (текущей ситуации) и на основе анализа трендов. Линейная модель Линейная модель [linear model] — модель, отображающая состояние или функционирование системы таким образом, что все взаимозависимости в ней принимаются линейными (см. Линейная зависимость, Линейность в экономике). Соответственно, она может формулироваться в виде одного линейного уравнения или системы линейных уравнений. Причем в ряде случае нелинейность взаимозависимостей может приводиться к линейной форме путем математических преобразований переменных; например, в нелинейных соотношениях.линейная модель предоставляет лучшую линию, которую можно провести через данные у лучшей модели минимальные residuals. Самая простая линейная модель предполагает, что у нас есть всего один предиктор: yi = β0 + β1x. В общей линейной модели допускается использование линейных преобразований или линейных комбинаций нескольких зависимых переменных. Это расширение придает общей линейной модели важные преимущества по сравнению с регрессионными моделями. Одно из преимуществ заключается в том, что многомерные критерии значимости можно использовать, если отклики по нескольким зависимым переменным коррелированы. жүктеу/скачать 1,02 Mb. Достарыңызбен бөлісу:
|