반응 최적화를 위한 특징 선택
본 연구는 데이터 효율적인 반응 최적화를 위해 다변량 선형 회귀 모델을 지원하는 NaviCat ReaFS 프레임워크를 제안한다. ReaFS는 데이터가 적고 이질적이며 과적합 위험이 높은 소규모 데이터셋에서 반응 최적화 모델의 성능을 평가하고 개선하는 데 중점을 둔다. 이는 추가 실험 비용이 높은 촉매 반응 연구 분야에서 특히 중요하다. ReaFS는 특징 선택 방법론에 대한 체계적인 벤치마킹과 데이터, 특징 부분집합, 예측을 아우르는 진단 기능을 결합한다. 또한, 외삽 성능의 상호 보완적인 측면인 후보 복구율, 예측 정확도, 순위 …