xuqimm的博客

这是本人的第一篇博客，以后还会更新一些类似学习笔记的东西话不多少，直接上代码#!/usr/bin/pythonimport numpy as npfrom collections import Counterwith open('A1.fasta','r') as A1: #打开蛋白质序列 with open('senA1.fasta','w') as

这段代码的意思是，先找出每一竖列出现次数最多的碱基，再根据出现的频率进行排序，再用特征序列的碱基位置找到原序列真实的碱基，形成一个训练集，为之后的神经网络训练做准备。我这里使用的蛋白质序列都是事先用muscle跑过的（不知道muscle的同学可以搜一下‘多序列比对软件muscle ’）#!/usr/bin/python#coding=utf-8import stringimpor

毕设题目是“基于神经网络的蛋白质分类器设计”经过一些努力现在分类的精度到达了98%，但其实仍然不理想，导师其实希望我能做个100%精度的。总结一下那2%失败的原因：GPCR家族LEVEL2的分类里，有两类序列特别少，只有3条。我如果拿两条建模，一条测试，就会导致建模不准确，测试序列也无法正确分类，如果我拿全部的3条序列进行建模，模型是准确了，但没有用来测试的序列，谁会信你的模型是精确的