Datawhale AI 夏令营笔记打卡task1

一、Baseline跑通后分数0.5038，纯按照教程来的，通过在打卡里进行对照发现大多数人都是0.5038，应该是初始未进行任何调试的分数。
二、课题理解：
基础知识：
（1）RNA干扰（RNAi）是一种天然存在的基因表达调控机制，机理是抑制基因表达（沉默致病基因）。
（2）化学修饰siRNA是指在siRNA分子中引入化学修饰，以增强其稳定性、靶向性和有效性。它可以用来加强（1）RNAi沉默致病基因的效率。
（3）深度学习与RNN：深度学习是一种基于人工神经网络的机器学习方法，递归神经网络（RNN）是一类深度学习模型，个人目前不是很理解，不过这两个在RNAi效率预测任务中能够通过学习siRNA序列和靶mRNA序列之间的复杂关系从而准确预测其基因沉默效果。
(4）词汇表与序列编码:因为核苷酸的不同排列传达的信息不同而设计的编码，类似于英语单词或者字母与汉语意思的对应(不是很准确的表述，但没有找到更好的解释方式)。
（5）数据处理与特征选择：和生物化学实验的数据处理差不多：将缺失值补全或者去掉，并把异常值去掉，认为修正数据从而提高模型的性能和训练效率。
（6）模型训练与评估：通过数学方法如均方误差（MSE）、平均绝对误差（MAE）、精确率（Precision）和召回率（Recall）等进行模型的评估，同时要避免过拟合。
（7）PyTorch框架：开源，优势是简洁的API和强大的功能，能够快速实现复杂的深度学习模型。