超级会员免费看
本文介绍了作者在2021年Mathorcup比赛中尝试建立B题的能量预测模型。文章探讨了数据预处理、聚类分析（DBSCAN）以及卷积神经网络（CNN）的应用。尽管聚类方法和机器学习模型（如KNN、SVM等）效果不佳，但作者通过将原子坐标视为图像并使用CNN，实现了对能量数据的处理。然而，模型的绝对平均误差为0.63，表明仍有改进空间。文章强调了数据预处理的重要性，并为解决AU25问题提供了思路。
本文介绍了作者在2021年Mathorcup比赛中尝试建立B题的能量预测模型。文章探讨了数据预处理、聚类分析（DBSCAN）以及卷积神经网络（CNN）的应用。尽管聚类方法和机器学习模型（如KNN、SVM等）效果不佳，但作者通过将原子坐标视为图像并使用CNN，实现了对能量数据的处理。然而，模型的绝对平均误差为0.63，表明仍有改进空间。文章强调了数据预处理的重要性，并为解决AU25问题提供了思路。
订阅专栏 解锁全文
扫一扫
04-18
4360
4360
03-19
5721
5721
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
