数据集概述
本数据集围绕深度学习方法（卷积神经网络）在系统发育树拓扑推断中的应用展开，包含模拟数据测试结果、传统方法对比分析及CNN模型性能评估相关的补充文档、图表和表格，为验证深度学习在系统发育推断领域的优势提供支持。
文件详解
- 文档文件（.docx格式）：
- Suppl_fig_tab_legends_v1.docx：补充图表和表格的图例说明文档
- S1_Suppl_tab_500regionaccuracy.docx：500个区域准确性数据的补充表格文档
- S2_Suppl_tab_consistency.docx：一致性分析结果的补充表格文档
- Supplementary_Text_v1.docx：研究相关的补充文本说明文档
- PDF文件（.pdf格式）：
- S1_Suppl_BL_space.pdf：BL空间相关的补充PDF文档
- S2_Suppl_3DSurface.pdf：三维表面分析结果的补充PDF文档
- S5_Suppl_Precision_recall.pdf：精确率-召回率分析的补充PDF文档
- 图片文件（.jpeg格式）：
- S3_Suppl_Bias_gap.jpeg：含间隙数据偏差分析的补充图片
- S4_Suppl_Bias_nogap.jpeg：无间隙数据偏差分析的补充图片
适用场景
- 系统发育学研究：对比深度学习与传统方法在树拓扑推断中的准确性差异
- 生物信息学方法验证：分析CNN模型在Felsenstein区、Farris区等参数空间的鲁棒性
- 深度学习在生物学应用：探索卷积神经网络在多序列比对数据处理中的潜力
- 统计方法评估：研究CNN置信分数与传统bootstrap、后验概率的支持度差异
