Data Set Information:

该数据集描述了一组92个分子，其中47个被人类专家判定为麝香，其余45个分子被判定为非麝香。目的是学习预测新分子是麝香还是非麝香。然而，描述这些分子的166个特征取决于分子的确切形状或构象。由于键可以旋转，单个分子可以采用许多不同的形状。为了生成该数据集，生成分子的低能构象，然后过滤以去除高度相似的构象。这留下了476个构象。然后，提取描述每个构象的特征向量。

特征向量和分子之间的这种多对一关系被称为“多实例问题”。当为这些数据学习分类器时，如果分子的任何构象被分类为麝香，则分类器应将其分类为“麝香”。如果一个分子的构象没有一个被归类为麝香，那么它就应该被归类为“非麝香”。

Attribute Information:

分子名称：

每个分子的符号名称。麝香有麝香-188这样的名字。非麝香的名称为Non-MUSK-jp13。
构象名称：

每个构象的符号名称。它们的格式是MOL_ISO+CONF，其中MOL是分子数，ISO是立体异构体数（通常为1），CONF是构象数。
f1到f162：

这些是沿光线的“距离特征”（见上面引用的论文）。这些距离以百分之一埃为单位。距离可以是负的，也可以是正的，因为它们实际上是相对于沿每条光线放置的原点测量的。原点由不再使用的“一致麝香”表面定义。因此，任何数据实验都应将这些特征值视为位于任意连续尺度上。特别是，该算法不应使用每个特征值的零点或符号。

f163：这是分子中氧原子到三维空间中指定点的距离。这也被称为氧-DIS。
f164:OXY-X:X-从指定点的位移。
f165:OXY-Y:Y-从指定点的位移。
f166:OXY-Z:Z-从指定点的位移。
类别：0=>非麝香，1=>麝香

Please note that the molecule_name and conformation_name attributes should not be used to predict the class.

Relevant Papers:

Dietterich, T. G., Lathrop, R. H., Lozano-Perez, T. Solving the multiple-instance problem with axis-parallel rectangles.  Artificial Intelligence.
[Web link]

Papers That Cite This Data Set¹:

Qingping Tao and Stephen Scott and N. V. Vinodchandran and Thomas T. Osugi. SVM-based generalized multiple-instance learning via approximate box counting. ICML

Creators:  

AI Group at Arris Pharmaceutical Corporation
contact:  David Chapman or Ajay Jain
Arris Pharmaceutical Corporation
385 Oyster Point Blvd.
South San Francisco, CA 94080
415-737-8600
zvona '@' arris.com, jain '@' arris.com

Donor:    

Tom Dietterich
Department of Computer Science
Oregon State University
Corvallis, OR 97331
503-737-5559
tgd '@' cs.orst.edu