数据量阈值效应影响催化性能的预测模型构建方法及应用

本发明提供一种数据量阈值效应影响催化性能的预测模型构建方法及应用，该方法包括如下步骤：获取催化实验数据；对所述催化实验数据进行预处理；将预处理后的催化实验数据按照数据量的不同划分为至少三个以上规模递增的数据子集；针对每一个数据子集，选择至少一种机器学习模型进行训练，并采用预设的评估指标对训练得到的预测模型进行性能评估；分析并确定所述机器学习模型性能随数据子集规模变化的趋势，识别出模型性能达到稳定或出现边际效益递减时的数据量阈值。本发明能够通过量化分析精准确定实现模型最优预测精度所需的最小数据规模，显著提升小样本机器学习的效率和预测准确性。