如上图 4-16 所示删除 Outlier 后，训练集样夲数减少为 53在这个新训练集的基础上 重复步骤 D ，发现此时 XR2=0.306414 有了很大提高（上一次 XR2=0.033869 ），但是还不 足以进行下一步操作（大于 0.5 ）继续剔除Outlier ！ 图4-17 、第三次训练集自身交叉验证的结果 如图 4-17 所示，重复一次根据剔除 Z-SCORE 大于 ”数据库依次点击实验得到的活性数据（pki-trypsin ）和预 测得到的活性数据（$PRED ），如上图4-19 所示预测与实际有着很好的线性关系。 （5 ）模型的验证 图4-20 、Model-Evaluate 面板参数设置 具体操作：打开测试集样本数据库“mytrps-test.mdb ”并在该数据库中打开Model-Evaluate 82 图4-23 、图形分析法评估测试集拟合结果 如果偏差的绝对值超过 1，即认为该样本的预测值不好那么如上图 4-23 所示，31 个 测試样本中仅 2 个样本的预测值不够好，说明测试集的拟合结果符合要求 到此为止，对样本进行拟合得到的模型符合要求可以利用该模型进行新样本的预测。 （6 ）新样本的预测 收集新的 3-amidinophenylalanine 化合物利用上面的模型对其活性进行预