我们取得进展了吗？从不平衡回归视角重新审视化学反应产率预测

化学反应的产率量化了化学反应过程中相对于所消耗反应物形成的目标产物的百分比。准确的产率预测可以指导化学家在合成规划中选择高产率反应，在投入时间和资源进行湿实验室实验之前提供有价值的见解。尽管最近在产率预测方面的进展提升了整个产率范围内的整体性能，但提高高产率反应的预测仍然是一个开放性挑战，而化学家更关注高产率反应。在本文中，我们认为高产率预测的性能差距源于现实世界数据向低产率反应倾斜的不平衡分布，这通常是由于未反应的起始原料和反应过程中的固有模糊性所致。尽管存在这种数据不平衡，现有的产率预测方法仍继续同等对待不同的产率范围，假设训练分布是平衡的。通过对三个真实世界产率预测数据集的广泛实验，我们强调迫切需要将反应产率预测重新界定为不平衡回归问题。最后，我们证明，结合简单的代价敏感重加权方法可以显著增强产率预测模型在代表性不足的高产率区域的性能。