性质指定化学特征空间中最远点抽样：提高小规模化学数据集机器学习模型性能的通用策略

化学和材料科学中的机器学习模型开发常面临小规模、不平衡标记数据集的挑战，这是科学实验常见的局限。这些数据不平衡会导致过拟合并降低模型的泛化能力。我们探讨了在目标化学特征空间中应用最远点抽样（FPS）策略的有效性，展示了其生成均匀训练数据集并随之提升模型性能的能力。我们严格评估了该策略在各种机器学习模型中的表现，包括人工神经网络（ANN）、支持向量机（SVM）和随机森林（RF），使用包含标准沸点和蒸发焓等物性物理化学性质的数据集。我们的发现表明，基于FPS的模型始终优于随机抽样训练的模型，表现出更好的预测准确性和鲁棒性，同时显著减少了过拟合。这种改进在较小的训练数据集中尤为显著，归因于训练数据在化学特征空间中的更高多样性。因此，FPS作为一种普遍有效且可适应的方法，能够在化学和材料科学中常见的小规模和偏差实验数据集下，实现高性能机器学习模型。