基于半监督学习的蛋白质相互作用预测模型

安计勇，闫子骥

(1.中国矿业大学 矿山数字化教育部工程研究中心，江苏 徐州 221000;2.中国矿业大学 计算机科学与技术学院，江苏 徐州 221000)

0 引 言

在机器学习领域中，根据训练集中有标签和无标签样本的数量，可以将机器学习分为有监督学习[1]、无监督学习[2]和半监督学习[3-4]。有监督学习训练集只包含有标签样本，根据有标签样本集训练模型，用训练好的模型预测无标签样本的标签类别；无监督学习训练集只包含无标签样本，根据样本间的内在联系，判定样本的标签类别。有监督学习要得到好的训练模型，通常需要足够多的有标签样本数据，但实际上有标签样本数据的获取通常会耗费大量的人力、物力及财力，需要付出昂贵的成本。但现实中大量存在的无标签样本数据，则相对容易获取。将有标签样本和无标签样本有效结合来获取更好的分类效果，是当前机器学习领域迫切的研究内容。由于半监督学习的训练集不仅包含有标签样本，而且包含无标签样本，学习过程中能够同时利用少量的有标签样本与大量的无标签样本，能够有效地融合两者所蕴含的信息，因此现实中，针对有标签样本较少，无标签样本大量存在的数据集的分类，通常采用半监督分类算法。

该文提出的半监督预测模型主要针对如下问题：

(1)基于有监督学习的预测模型在预测过程中存在以下缺陷：一是过分依赖训练集中有标签样本的数量，导致分类精度受有标签样本数量多少的制约；……