ACS Catalysis· 2026Q1
Veri-Etkin Reaksiyon Optimizasyonu için Çok Değişkenli Doğrusal Regresyon Modellerinde Özellik Seçimi
Feature Selection in Multivariate Linear Regression Models for Data-Efficient Reaction Optimization
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Yeni bir çerçeve olan NaviCat ReaFS, aşırı uyum riskini ve deney maliyetlerini azaltarak, az verili reaksiyon optimizasyonu için çok değişkenli doğrusal regresyon modellerinin özellik seçimi yöntemlerini sistematik olarak karşılaştırır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Reaksiyon optimizasyonunda çok değişkenli doğrusal regresyon için özellik seçimi çerçevesi olan NaviCat ReaFS'i tanıtır.
- Aşırı uyumun yüksek olduğu ve deneylerin maliyetli olduğu küçük, heterojen veri kümelerinin zorluklarını ele alır.
- Özellik seçimi yöntemlerinin sistematik karşılaştırmasını hedeflenen teşhislerle birleştirir.
- Ekstrapolatif performansı (aday kurtarma, tahmin doğruluğu, sıralama kalitesi) değerlendirmek için bir bileşik puan içerir.
- Geleceğe yönelik model değerlendirmesi için çapraz doğrulama, veri/özellik teşhisleri ve sağlamlık kontrollerini entegre eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract We introduce NaviCat ReaFS (reaction feature selection), a framework for testing and supporting multivariate linear regression models for reaction optimization in small, heterogeneous datasets, where overfitting risk is high and additional experiments are costly. ReaFS combines systematic benchmarking of feature selection methods with targeted diagnostics spanning data, feature-subsets, and predictions. We also introduce a composite score that captures complementary aspects of extrapolative performance, namely, candidate recovery, predictive accuracy, and ranking quality, enabling direct comparison of models and feature selection strategies across homogeneous catalysis datasets. ReaFS further integrates cross-validation schemes, data and feature diagnostics, and robustness checks for prospective model assessment. Together, these components provide a practical route to more informed decision-making in low-data reaction optimization.
Yazarların özeti; kaynağından alınmıştır. ACS Catalysis, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Malzeme Kimyası
Materials ChemistryMaterials Science