特征提取k_word

1) 若直接以20种氨基酸统计k_word: (以ZD98数据集为例)

k	Dimension
2	400
3	6490
4	22265

 

　　维数太大不适用构造特征向量

 

 

考虑氨基酸约化后特征提取

约化方案：

Classification	Abbreviation	Abbreviation
Strongly hydrophilic or polar	L	R, D, E, N, Q, K, H
Strongly hydrophobic	B	L, I, V, A, M, F
Weakly hydrophilic or weakly hydrophobic	W	S, T, Y, W
Proline	P	P
Glycine	G	G
Cysteine	C	C

 

 

 

 

 

 

 

约化后的特征

k	dimension
2	36
3	211
4	1071
5	3732
6	8698
7	14620