【分析示例】通过机器学习估计 χ 参数

从两个分子的描述符中创建特征，学习与相互作用参数χ的关系

目标和方法

使用 J-OCTA 机器学习功能（MI-Suite）来估计 χ 参数。使用的数据来自 Flory-Huggins Chi 数据库。获取的数据包括两个化合物 A 和 B 的名称以及它们之间的 χ 参数值。数据量为 263。学习/预测 χ 参数的过程如下：

χ 参数学习/预测过程

1. 从公共化合物数据库 PubChem 获取每种化合物的 SMILES 表示法。 使用 MI-Suite 的数据获取功能 DB-Explorer 获取。使用 MI-Suite 的数据采集功能 DB-Explorer 获取数据。只有同时获得 A 和 B 的 SMILES 表达式的化合物对（169 个）才会被使用。

2. 使用描述符计算功能 ChemDC 计算每个化合物的描述符值和 AutoCorr2D。

3. 根据原始数据中对化合物的描述，将计算出的描述符值进行混合，以创建单一特征。

4. 使用的混合方案是定量地理学中使用的混合方案，因为描述符（AutoCorr2D）可视为空间自相关量。

5. 训练以混合计算的特征为输入值，以每对化合物的χ 参数为目标值。

学习的设置如下：

在 MI-Suite 的学习功能所支持的学习方法中，我们使用了 XGBoost，这是一种基于提升的学习方法。XGBoost 的超参数设置基于 GP（高斯过程），以获得最佳参数设置。

离群点的去除是在第 90 个百分点（两侧）进行的。

在训练过程中，训练集和测试集的数据比例为 8:2。

训练结果

以下是训练结果。

对于通过训练获得的预测模型（即学得的模型），使用训练集时的预测准确率为 R^2=0.937，而使用测试集时的预测准确率为 R^2=0.778。

（转载自：J-OCTA官网）