[发明专利]小样本环境下基于XGBoost的化学反应产率智能预测与分析方法

权利要求书

1.小样本环境下基于XGBoost的化学反应产率智能预测与分析方法，其特征在于：包括对三维描述符的数据获取、智能预测和结果分析；

其中，三维描述符的数据获取，是通过将绘制出的相关化学结构的二维结构图转化为三维结构图，然后再利用软件计算其三维结构的描述符；

三维描述符的智能预测，是通过梯度提升树模型XGBoost对获取的三维描述符进行训练和预测；该算法中嵌入了网格搜索法，对多个参数的可能取值进行排列组合，通过模型预测结果选取最佳参数；

三维描述符的结果分析，是对智能预测模块的输出进行分析；其包括产率预测结果分析、产率对应的反应条件的分析、三维描述符特征重要性分析。

2.根据权利要求1所述的化学反应产率智能预测与分析方法，其特征在于：三维描述符的数据获取具体实现步骤包括：

(1.1)将Buchwald-Hartwig胺化反应中的所有变量按照一定的顺序进行排列组合，并绘制出每个组合的二维结构图；

(1.2)在以某个反应物或反应条件为变量，其余的为定量的小样本的条件下，将绘制出的二维结构图每个组合转化为三维结构图组合，并保存文件；

(1.3)将步骤(1.2)中保存的文件利用相关软件计算并输出其三维结构描述符，以此保留有机化合物的结构信息和平面信息；

(1.4)汇总计算得到的所有反应组合的三维结构描述符，将其分为训练集、测试集，并将其与相应的反应产率对应。

3.根据权利要求2所述的化学反应产率智能预测与分析方法，其特征在于：三维描述符的智能预测，具体包括：

(2.1)将步骤(1.4)得到的训练集和测试集数据导入到XGBoost算法中，利用网格搜索法对XGBoost算法中的多个参数的可能取值进行排列组合，通过计算XGBoost算法中每次迭代的损失函数值，直至损失函数值收敛到最小或者收敛到一定的次数后，输出预测结果以及对应的参数值，最后选取最好的预测结果所对应的参数并保存模型；

(2.2)进行样本外预测，以此证明模型的有效性；样本外预测即对模型预测样本以外的数据进行预测，如果样本外预测是有效的，则就可证明所选的模型可以预测小样本环境下化学反应产率，并确定反应物与反应条件的组合，提供最高的产率对应的反应组合。

4.根据权利要求3所述的小样本环境下基于XGBoost的化学反应产率智能预测与分析方法，其特征在于：三维描述符的结果分析具体包括：

在进行样本内、外预测后，通过XGBoost算法计算获得三维描述符的重要性排序；通过描述符的重要性排序找到影响反应产率的主要描述符，挖掘内部规律并进行分析。

5.根据权利要求2所述的化学反应产率智能预测与分析方法，其特征在于：步骤(1.1)中绘制二维结构图时，排列组合绘制Buchwald-Hartwig胺化反应中的反应变量，所有反应组合的顺序为卤化物、配体、基底和添加剂；并且利用Spartan软件以卤化物为变量，添加剂、基底和配体为定量都选择第一种，进行组合，每一组反应组合按照一定的顺序画出二维结构图。

6.根据权利要求3所述的化学反应产率智能预测与分析方法，其特征在于：三维描述符的智能预测中，步骤(2.1)的具体计算过程包括：

将得到训练集与测试集数据导入到XGBoost算法中，其目标函数为：

其中T表示叶子结点的个数，w表示叶子结点的分数；_γ可以控制叶子结点的个数；λ可以控制叶子结点的分数不会过大，防止过拟合；表示K颗树的复杂度；L(φ)是线性空间上的表达；i是第i个样本，k是第k颗树；是第i个样本x_i的预测值：y_i是真实值；

从目标函数中可以看到XGBoost的目标函数有两部分组成，第一部分用于测量当前生成的模型对训练数据的吻合度；另一部分中，XGBoost显式地将模型的复杂度作为了目标函数的一部分，也就是正则化项；

由于XGBoost算法中的目标函数可以自由选取，只要满足二阶可导即可，XGBoost算法的目标函数选取平方损失函数：

最后模型将根据损失函数达到最小值时返回预测值，通过评价指标判断模型的预测效果。