如果是的话，你能用scikit来预测变量吗？

Question

我在制药科学领域工作，我研究化学化合物，通过计算它们的化学性质或描述符，我们可以预测这些化合物的某些生物学功能。我同样使用python和R编程语言，也使用Weka机器学习工具。Weka提供了利用支持向量机和其他支持算法进行二值预测的便利。

示例数据集：培训集

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的变量(我们通常预测"IC50”值)，也可以使用scikit学习或其他机器学习库来预测具有这种功能的python。如果是的话，我们如何使用它，谢谢。

Answer 1

是的，这是一个回归问题。有许多不同的模型来解决回归问题，从简单的线性回归到支持向量回归或决策树回归器 (还有更多)。

它们的工作原理类似于二进制分类器:你给他们你的训练数据，而不是0/1标签，你给他们训练的目标值。在您的示例中，您将使用您要预测的特性作为目标值，并从培训数据中删除它。

简短的例子：

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)