基于电子电离质谱数据和机器学习的新精神活性物质分类预测模型构建

摘要： 新精神活性物质的结构变化快速，给基于标准物质和质谱数据库筛选和鉴定这些新物质带来了挑战。本研究使用机器学习方法为未知新精神活性物质的结构鉴定提供新策略。基于871个质谱数据集构建了最近邻、支持向量机、随机森林和人工神经网络算法用于新精神活性物质的结构分类预测，采用5倍交叉验证的网格搜索对模型的超参数进行优化，使用混淆矩阵、准确度、精密度、召回率和f-分数评估4种分类预测模型的性... （共7页）