基于拉普拉斯正则化的药物副作用频率预测
摘 要：药物风险-效益评价中的一个重要问题是确定药物副作用的频率．相较于通常的随机对照实验，基于机器学习预测药物副作用频率的方法具有时间短、准确率高的特点，并且可以用来指导对照实验．现有的计算方法很少考虑“相似的药物具有相似的副作用频率”这一特点，因此预测性能仍有待进一步提高．本文提出结合拉普拉斯正则化的非负矩阵分解方法，并引入超参数控制未知副作用标签及其预测值的间隔．计算实验表明，该方法可以有效预测药物的副作用频率，并且还可以预测上市后药物的副作用．
论文下载：