OpenVaccine: COVID-19
我很高兴能获得单人银牌。感谢 Eterna 和 Kaggle 主办这场有趣且重要的比赛。五天前，我对 RNA 还一无所知。现在我了解了基础知识，并且渴望进一步探索这个神秘的分子。
独特的比赛
这是一场独特的比赛。当我们调用 model.fit(X, y) 时，我们使用特征 X 来预测目标 y。许多 Kaggle 比赛由于人工标注而存在噪声目标 y。而这次比赛不仅有噪声目标，还有噪声特征！提供的特征 X 只是估计值而非真实值，目标 y 也是估计值！
私有测试集 id_01cd826d9
这是私有测试集 RNA id_01cd826d9。提供的结构如下所示。（图表使用了 @its7171 的 notebook）
RNA折叠 id_01cd826d9 的不确定性
上面提供的结构只是一个猜测。我们在图中看到存在吸引力 (1) 和 (2)。正如 bpps 矩阵所示，碱基 A 和 U 各有 14% 的概率结合。因此，私有测试集 id_01cd826d9 实际上可能具有以下结构。注意，我在下图中更改了配色方案。蓝色表示结合概率高，黄色表示概率低。
RNA折叠 id_01cd826d9 的不确定性
我们仍然不知道结构是否如上所述。我们注意到存在吸引力 (3)、(4)、(5)。因此，RNA 可能折叠成以下形式
处理不确定性
由于结构不确定，我做了两件事。
- 将
bpps矩阵转换为彩色图像，并将其卷积为模型的嵌入向量 - 预测每个测试 RNA 的前 3 种折叠情况的目标值，并根据概率进行平均
如果我有更多时间，我会使用训练图像的所有不同折叠进行训练，并根据其概率设置训练样本权重。
BPPS 矩阵
下面是一个 BPPS 矩阵示例。要将这些输入 CNN，首先倾斜矩阵。然后矩阵中的每个数字代表三种键类型之一：(1) C-G (2) A-U (3) G-U。分别将该单元格变为红色、绿色、蓝色。将颜色的强度设置为矩阵中的值。接下来进行卷积，保持 seq_length，但使用 strides 来减少另一个维度
