本实验选用RBF核函数，其中(C，γ)由平行网格搜索法(parallel grid search)筛选，采用逐一交互验证的方法确定C和γ，取均方根偏差(RMS)最小时的C和γ，该方法可以在防止训练集过拟合的情况下找到构建模型的最优参数。

    1.3 模型验证

    1.3.1 内部验证 构建好的模型用于预测测试集化合物，并对模型进行评价。模型的性能通过3个指标进行评价，分别是准确率(ACC，公式2)，灵敏度(SE，公式3)和特异性(SP，公式4)，其中TN，TP，FN，FP分别代表真阴性、真阳性、假阴性、假阳性。

    ACC=(TP+TN)/(TP+FN+TN+FP)(2)

    SE=TP/(TP+FN)(3)

    SP=TN/(TN+FP)(4)

    1.3.2 评价据文献报道确有神经毒性的中药成分 通过查阅文献[1-4，18-19]确定30个有神经毒性的中药成分作为外部验证集，见表1，来进一步评价模型的性能。

    2 结果与讨论

    2.1 分子描述符计算结果

    PowerMV软件计算训练集化合物的分子描述符共计6 122个 ......