一种基于机器学习的化合物迁移性筛查方法

本发明公开一种基于机器学习的化合物迁移性筛查方法，采用多种机器学习算法与数据不平衡算法两两组合，形成不同的算法组合，将训练集进行交叉验证划分，划分为第一训练子集和第一验证子集，在第一训练子集上对不同的算法组合进行训练，并在第一验证子集上进行测试，选择最优的算法组合作为最终算法骨架。本发明的有益效果是：考虑中性化合物和离子型化合物迁移性标准的差异，通过筛选不同机器学习算法与数据不平衡算法的最优组合，构建了可以准确预测化合物迁移性的多分类模型，提高分类速度和分类准确度。