一种基于机器学习分类器提高半导体芯片良品率的方法

摘要

本发明公开了一种基于机器学习分类器提高半导体芯片良品率的方法，至少包括如下步骤：采集晶圆裸片出厂后进行测试得到的前期测试数据，所述前期测试数据至少包括WAT数据和CP数据；训练分类器，分类器训练过程中采用数据降采样和基于增量学习的集成算法；成品测试预测，基于预测结果进行分类。本发明通过机器学习分类器来分析晶圆裸片的非平稳环境下的非平衡的前期测试数据，分类器训练过程中采用数据降采样和基于增量学习的集成算法，实现了最终测试结果FT的预测，提高了晶圆裸片在封装前品质分类的准确性，从而提高了封装芯片的良品率。