基于特征选择和机器学习的材料弹性性能预测

摘要

利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性能的最有效的、组合了特征选择与机器学习的预测模型,比较了特征选择方法在不同机器学习模型上的表现,分析了利用特征选择方法得到的特征子集.实验结果表明,Filter和SVR组合模型的预测结果最好,机器学习模型比特征选择方法对预测结果的影响更大,特征选择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性.文中研究成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供参考.