TỐI ƯU HÓA DỰ ĐOÁN TƯƠNG TÁC PROTEIN-PROTEIN TỪ BIỂU DIỄN NGÔN NGỮ THÔNG QUA CƠ CHẾ CHỌN LỌC ĐẶC TRƯNG ĐA GIAI ĐOẠN VÀ HỌC MÁY XẾP CHỒNG

jos.hueuni.edu.vn Tập 134, Số 2A, 2025 37 Bảng 4. Kết quả kiểm định chéo 5 phần (5-fold cross-validation) trên bộ dữ liệu DIP–Human. Lần Accuracy (%) Precision (%) Recall (%) F1 (%) Specificity (%) MCC (%) ROC-AUC (%) PR-AUC (%) Lần 1 98.67 98.90 98.44 98.67 98.90 97.35 99.69 99.47 Lần 2 98.71 98.82 98.59 98.71 98.82 97.41 99.70 99.55 Lần 3 98.52 98.64 98.39 98.52 98.64 97.03 99.70 99.57 Lần 4 98.44 98.62 98.26 98.44 98.62 96.88 99.64 99.49 Lần 5 98.66 98.87 98.44 98.66 98.88 97.32 99.78 99.64 Trung bình 98.60 ± 0.12 98.77 ± 0.13 98.43 ± 0.12 98.60 ± 0.11 98.77 ± 0.13 97.20 ± 0.23 99.70 ± 0.04 99.54 ± 0.06 Tương tự như thử nghiệm trên nấm men, hiệu năng phân loại trên bộ dữ liệu người được minh họa chi tiết thông qua đường cong ROC và đường cong Precision–Recall (PR) ở Hình 3. Với giá trị ROC–AUC đạt 99.70% và PR–AUC đạt 99.54%, mô hình thể hiện khả năng phân lớp tiệm cận mức tuyệt đối. Sự hội tụ của các đường cong qua các lần kiểm định chéo phản ánh rằng quy trình sàng lọc ba giai đoạn đã tinh lọc được một không gian đặc trưng tối ưu, giúp thiết lập ranh giới quyết định minh bạch và sắc sảo. Kết quả này không chỉ khẳng định sức mạnh của kiến trúc Stacking trong việc xử lý dữ liệu phức tạp ở người mà còn chứng minh khả năng kiểm soát nhiễu và phòng chống hiện tượng quá khớp hiệu quả, ngay cả khi đối mặt với sự bùng nổ số chiều từ các mô hình ngôn ngữ protein lớn. Hình 3. Đường cong ROC (trái) và Precision–Recall (phải) trên bộ dữ liệu DIP–Human, minh họa khả năng phân tách vượt trội của mô hình.