随机投影与核化留一簇交叉验证：材料性质监督机器学习的通用基线与评估工具
机器学习
2023-05-26 v1 材料科学
摘要
随着机器学习成为当前计算材料科学文献中的热门话题，为化合物创建表示已变得普遍。这些表示很少被比较，因为评估其性能——以及它们所使用算法的性能——并非易事。由于许多材料数据集包含由研究过程引起的偏差与偏斜，留一簇交叉验证（LOCO-CV）被引入作为衡量算法在预测先前未见材料组上性能的方法。这引发了关于簇大小范围对 LOCO-CV 测量结果的影响与控制的问题。我们给出了基于组成的表示之间的详尽比较，并研究了核近似函数如何被用于更好地分离数据以增强 LOCO-CV 应用。我们发现领域知识在大多数测试任务中并未提升机器学习性能，能带隙预测是显著的例外。我们还发现径向基函数在所有测试的 10 个数据集中均改善了化学数据集的线性可分性，并提供了一个将该函数在 LOCO-CV 过程中应用的框架，以改进 LOCO-CV 测量结果，而与机器学习算法、度量选择及化合物表示选择无关。我们推荐核化 LOCO-CV 作为那些希望衡量算法在材料数据上外推能力的人的训练范式。
引用
@article{arxiv.2206.08841,
title = {Random projections and Kernelised Leave One Cluster Out Cross-Validation: Universal baselines and evaluation tools for supervised machine learning for materials properties},
author = {Samantha Durdy and Michael Gaultois and Vladimir Gusev and Danushka Bollegala and Matthew J. Rosseinsky},
journal= {arXiv preprint arXiv:2206.08841},
year = {2023}
}
备注
16 pages including references, 9 figures