渗出 - 了解机器学习和深入学习，对抗氧化食品表的抗氧化能力进行预测

抗氧化剂食品表是所测量出的最大食品抗氧化能力公开收集。它涵盖3,139个产品，用等离子体减能法(FRAP)方法进行检验。该表主要作为饮食取景源，从未被机器读取或基准化。这里它被提取到一个经过验证的开放数据集(3135个记录，99.9%)。

研究关注什么

然后，从产品描述和类别中构建了防氧化剂能力预测的渗漏认识基准。18个预测器，从天真基线到深层网络和聚变，在具有同样五种种子和穿透控制的两种分化制度下进行了评估。由于39.4%的记录共用了产品名，常规的随机分出奖励了“纪念”。无学习的重复查证说明45%的明显K-近邻优势高于类别中位数。

研究发现意味着什么

在分组评价中，术语频率倒转文档频率(TF-IDF)特征的脊回向(R2=0.674)都超过了两个深层网络的性能。预加限制的单词向量没有关闭此缺口。所有8个模型的等重聚变性都表现最好(R2=0.684)，变异性低2.6倍。礼宾和代表性而不是结构是这一基准成果的主要取向。数据集，代码，预测公开发布。

研究作者：Ozkat EC。本文依据公开许可的摘要与来源记录整理，并按新闻阅读方式编排。