Datawhale AI夏令营——对第二届世界科学智能大赛物质科学赛道：催化反应产率预测初赛baseline文档的学习笔记

• 

   

• 什么是pandas环境依赖？

• pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

• 什么是Scikit-learn？

• Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库[1]。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。

• 什么是rdkit？

•  RDKit是一款基于Python的开源化学信息学工具包，其核心为分子模型和算法。通过RDKit，用户可以轻松地进行分子的构建、修改、查询以及分子特征的提取等操作。此外，RDKit还提供了丰富的接口和工具，方便用户进行大规模的化合物数据处理和分析。 

• 导入pickle库，用于对象的序列化（将Python对象转换为字节流）和反序列化（从字节流转换为Python对象）。在机器学习中常用于保存和加载训练好的模型或数据。
• tqdm是一个快速、可扩展的进度条工具，用于在循环或迭代过程中显示进度条，提升用户体验。
•  从sklearn库中的ensemble模块导入随机森林回归器。随机森林是一种集成学习方法，适用于回归和分类问题。
• rdMolDescriptors包含了一些分子描述符的计算方法。
• RDLogger用于控制rdkit的日志记录，通常在运行时可以禁用某些日志以减少输出。Chem模块提供了化学信息学的核心功能，包括分子的表示和操作。
• 导入numpy库，并给其起了一个别名np。numpy是Python中用于科学计算的核心库，提供了高效的多维数组对象和数学函数。
• RDLogger.DisableLog('rdApp.*'): 禁用rdkit的日志记录器（Logger），通常用于屏蔽一些不必要的输出信息，以提高程序的运行效率和简洁性。

• 什么是随机森林？

• 随机森林是集成学习中的Bagging(Bootstrap Aggregation)方法的一种实现，是由很多决策树作为基础估计器集成的一个同质估计器。
  各决策树之间没有关联，在用随机森林进行分类时，每个样本会被森林中的每一颗决策树进行判断和分类，每个决策树会得到一个分类结果，哪一个分类的结果最多（众数），就是随机森林的最终结果。

• 学习参考：随机森林 Random Forest

• 暂时还是不懂得怎么调节参数或者换模型来提高分数。但运行了几次之后分数有提高