DataWhale AI 夏令营-task1

​

一.任务

构建一个能够准确预测碳氮成键反应产率的预测模型。

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。

或者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。

二.流程

2-1.导入库

首先，代码导入了需要用到的库，包括 pandas（用于数据处理和分析），scikit-learn（机器学习库），rdkit（化学信息工具）。

2-2.读取数据

代码通过使用 pd.read_csv 函数从文件中读取训练集和测试集数据。

2-3.使用Morgan分子指纹建模SMILES

• 这个过程需要调用rdkit的相关模块。然后将Reactant1,Reactant2,Product,Additive,Solvent字段的向量拼接到一起，组成一个更长的向量。
  
  

2-4.使用随机森林预测结果

直接调用sklearn的RandomForestRegressor模块实例化一个随机森林模型，并对n_estimators等重要参数进行指定。最后使用model.fit(x, y)训练模型。模型保存在本地’./random_forest_model.pkl’。

2-5.加载模型进行预测，并将保存结果文件到本地

pkl文件直接使用pickle.load()加载，然后使用model.predict(x)进行预测。预测的结果保存为比赛官方指定的文件格式。

​

三.过程问题及解决办法

中间导入数据过程中有出现过刷屏，后面得知这是正常现象，无需理会。在导入数据中没看懂步骤，不知怎么新建文件夹，问了别人知道有两种办法创建文件夹，并且直接在终端解压压缩包就行，无需先解压再导入进去，更省事。想要提高成绩，同样也可以尝试修改随机森林的参数，自行调参。