药物作用机制预测比赛降维数据集-训练集-测试集-jdougherty4
数据来源：互联网公开数据
标签：药物,作用机制,降维,机器学习,TSNE,PCA,细胞,基因,竞赛数据
数据概述：
本数据集是用于参与药物作用机制预测竞赛的降维处理后的数据集。原始数据包含高维度的细胞和基因表达数据，为了降低数据维度，方便后续建模，数据集应用了两种降维方法：TSNE（t-分布邻域嵌入）和PCA（主成分分析）。
数据集包含以下四个子集：
cells_(test/train)tsne_3：对细胞数据进行TSNE降维，降至3个维度。
gene(test/train)_tsne_3：对基因数据进行TSNE降维，降至3个维度。
(test/train)_all_pca：对全部数据进行PCA降维。
(test/train)_sep_pca：分别对基因数据和细胞数据进行PCA降维。
TSNE降维过程：
对训练集和测试集的细胞数据进行合并，然后进行TSNE降维。
对训练集和测试集的基因数据进行合并，然后进行TSNE降维。
对所有数据进行合并，然后进行TSNE降维。
数据用途概述：
该数据集主要用于药物作用机制预测模型的训练和评估。降维后的数据更易于处理和分析，可以用于构建机器学习模型，预测药物对细胞和基因表达的影响。研究人员可以使用该数据集进行模型训练、参数调优、结果分析和竞赛参与，从而深入理解药物的作用机制。
