Python数据分析-分子数据分析和预测

一、设计背景

分子结构设计与性质计算对研发新型高能量密度材料具有重要意义。机器学习作为一种大数据计算模型，可以避免复杂、危险的实验，大幅提高研发效率、降低设计和计算成本。本文基于机器学习的方法以及通过构建神经网络，实现对高能量密度化合物的分子设计、性质预测以及高通量筛选。

近来，机器学习在化学与化工生产中的应用也逐渐增多，在化学分子计算方面的应用尤为突出。因为机器学习擅长解决分子计算中化合物分子多、分子空间结构复杂、性质种类多等问题。。。。

二、设计目的和意义

机器学习有助于加速高能量密度化合物的分子设计、性质预测以及新型分子结构的高通量筛选。目前，机器学习和高能量密度化合物相结合的研究依然较少，自主设计公开的相关数据库也不多。直接由高能量密度化合物的分子结构预测其性质仍有很大研究空间。因此，构建高能量密度化合物分子结构-性质关系数据库并实现机器学习辅助数据挖掘具有重要研究意义。 。。。

三、数据探索与分析

EDA的技术手段主要包括：汇总统计、可视化，下面分别做介绍。

 汇总统计是量化的（如均值和方差等），用单个数和数的小集合来捕获数据集的特征，从统计学的观点看，这里所提的汇总统计过程就是对统计量的估计过程。可视化技术能够让人快速吸收大量可视化信息并发现其中的模式，是十分直接且有效的数据探索性分析方法，。。。

四、理论部分

决策树

分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点( node）和有向边( directed edge)组成。结点有两种类型:内部结点( internal node )和叶结点( leaf node )。

多层感知机模型

多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图。

向量机模型

支持向量机（support vector machines，SVM）是一种二分类和多分类模型

五、实证分析

首先导入必要的包和数据集，注意这里的数据集是excel格式，而且有两个sheet，随后查看训练集和验证集数据前10行：

代码和数据