一、学习心得。
7.25小结
今天是第一天,主要任务是运行baseline。
首先整理一下今天的收获(先说结论):
1、通过大模型工具来得到自己要的最适合自己的答案。
这个方法大大提高了我的学习效率,在学习机器sklearn的时候时常会遇到一些晦涩难懂的表述,或者一些新的单词,而通过提问ai大模型,大大加深了我的理解,让我有兴趣去探索未知的东西,同时兼具广度和深度,我自认是一个学习能力不是很突出的人,从前读高中的时候羡慕别人脑子就是转的快,就是很快能理解很难懂的东西,但随着ai大模型的出现,以及我自己切身体会,理解东西往往不需要自己去钻细枝末节,ai可以辅助我们理解,建立最适合我们大脑的神经链接
这是时代的宝藏!而我们很幸运成为最早的一批他的享有者,我们要意识到它将颠覆我们以往的学习模式
2.知识点小结
1、在sklearn中,几乎所有的机器学习的流程是:
(1)实例化模型(并指定重要参数);
(2)model.fit(x, y) 训练模型;
2、 pandas(用于数据处理和分析),scikit-learn(机器学习库),rdkit(化学信息工具)
3.步骤总结:
导入数据——读取数据——建模(向量化)——机器学习算法处理——加载模型进行预测,并将结果文件导出
4.什么是特征?
特征(Features) 是指从原始数据中提取的,用于表示数据的可测量属性或指标。这些特征被用作模型的输入,以便模型可以学习如何根据这些特征来做出预测或决策。简单来说,特征就是模型用来理解和分析数据的依据。
5.为什么需要特征?
过精心设计的特征,机器学习模型能够更有效地从数据中学习到有用的信息。忽略冗余或无关的信息。
6.题目中的特征是什么?
Reactant1,Reactant2,Product,Additive,Solvent都是由SMILES表示。所以,可以使用rdkit工具直接提取SMILES的分子指纹(向量),作为特征。