多峰数据集 代码，用于生成多模式基准测试集的最少数据。 1.选择样本进行培训，测试，验证 阈值序列同一性，以避免基于同源性的过度拟合。 为此，从获得.fasta格式的一组带注释的序列，并将其聚类（使用cdhit ），直到某个序列同一性阈值（例如40％）。 聚类后​​，由每个聚类中的质心组成的蛋白质集即为完整数据集。 这些蛋白质在.fasta的输出.fasta文件中cdhit 。 将该数据集适当地划分为训练集，验证集和保持集。 请记住，如果保持集是预先确定的，则必须删除其聚类中包含测试集成员的