Abstract：
本文采用基于Stacking集成学习策略的机器学习方法,将随机森林,极端随机树和梯度提升回归模型的预测结果组合在逻辑回归模型中,建立了组合分类模型。其中,组合分类模型比单一模型具有更加优越的分类精度和泛化性能,在测试集上对磁性材料的分类准确率为0.916,AUC值为0.970。同时,整合三种机器学习模型的特征排序结果,发现材料组成元素磁矩和未充满电子数在磁性材料分类中起到了重要作用。
Keyword：
Reprint Author's Address：
Email：
Source ：
Year： 2022
Language： Chinese
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
