Datawhale Al 夏令营 第三期 物质科学赛道

这里附上竞赛官网和baseline链接

官网:上海科学智能研究院 (sais.com.cn)

baseline:Datawhale

一.简单概述下本次赛道的任务

1.构建一个能够准确预测碳氮成键反应产率的预测模型。

2.通过对反应中所包含的反应底物、添加剂、溶剂以及产物进行合理的特征化，运用机器学习模型或者深度学习模型拟合预测反应的产率。

3.利用训练集数据对开源大语言模型进行微调以预测反应的产率。

其实是三种方向选一个

二.赛题解析

本题是一个典型的回归问题,赛题要求就是建模SMILES式子，然后模型输出到0-1之间的连续值。

给出计算得分公式

简单点概括baseline就是对数据进行处理,用rdkit这个化学专用库来处理数据,将其变成随机森林模型可以接受的形式,然后调用模型,我们想换不同的模型,基本只用替换模型代码即可,如果你不想对特征进行处理的话。

三.对baseline的尝试改动

baseline采用的是随机森林模型

我做了一下改动

1.调整参数

改动树深,树的个数等

树的个数对其分数影响不大

树深影响挺大的,从10改到30

得分从0.2左右跑到了0.33左右

2.采用lightgbm模型

参考了上次电力预测的lightgbm模型

大概在2000轮左右得到了比较优的结果

运行速度比随机森林快

得分为0.3442

比baseline稍微好一点,但基本没什么提升