AI ninja project [day 28] QLattice --进阶回归

这一篇与[day 26]的差异是，我们对於对於训练模型上参数的调整。
可以先看一下原始资料集，是之前的kaggle比赛:
https://www.kaggle.com/c/stanford-covid-vaccine/data
主要是想预测对於不同的mRNA片段在不同环境之下裂解的程度(酸硷度PH10或是50℃ 各自有没有加镁离子的情况)。
原始资料还需要考量到mRNA片段结构上的影响，处理起来相对较复杂。

而这里我们使用QLattice官网教学提供的简化资料集，
只需要考量不同核苷酸的比例以及各自配对的数量，
来试着预测mRNA片段在酸硷度PH10加入镁离子的裂解程度。
https://docs.abzu.ai/docs/tutorials/archive/covid_simple.html

安装及载入套件:

可以先看一下资料结构，
A、G、C、U为mRNA构成的四种核甘酸，
核甘酸与核甘酸键结有U-G、C-G、U-A、G-C、A-U、G-U这几种情况，
pairs_rate代表了有配对的核甘酸比例，
而mean_deg_Mg_pH10为要预测的标签 mRNA的裂解程度。

mRNA结构示意图

资料来源:
https://courses.lumenlearning.com/microbiology/chapter/structure-and-function-of-rna/

切分训练集、测试集、验证集:

我们使用预设的参数开始训练:

我们可以查看训练出的最佳模型:

接着我们更改参数

• max_complexity: 模型的复杂程度，用4或5可以生成树状结构较简单的模型，
  10以上的话会生成较复杂的模型。

• n_epochs: 迭代次数，预设是10，越高代表生成模型及淘汰模型次数变高。

• criterion: 拟合优化标准有Akaike’s Information Criteria及Bayesian Information Criteria及不选的预 设参数的这几种选择(有兴趣可以自行调查他们之间的差异)，参数名称分别为'aic'、'bic'，或是不给这个参数。

• starting_models: 将预设参数训练完成的模型，接续着训练。

我们可以查看训练出的模型，分支变少了:

可以发现影响mRNA会不会裂解最主要的因素为核甘酸A、U的比例及核甘酸配对比例。