无代码机器学习的材料科学实验设计-投递版

　　

针对材料类与化学类专业学生在机器学习入门中面临的编程门槛，本实验以ABX3型钙钛矿带隙预测为载体，设计了一套基于VBox在线机器学习平台的无代码实验方案。学生无需编写程序，仅通过平台的可视化界面即可完成数据上传、特征选择、模型训练、性能评估与结果解释的完整流程。实验以公开发表的钙钛矿实验带隙数据为数据集，比较多种机器学习算法在带隙回归预测上的表现，并借助SHAP可解释性分析识别影响带隙的关键成分特征。该设计将材料科学的前沿研究方法转化为低门槛、可复现的开放性实验，实现科教融合，帮助学生理解机器学习在材料性能预测中的应用逻辑。

订阅方式：
①在线订阅（推荐）：www.sdchem.net.cn
②邮局订阅：邮发代号24-109

投稿方式：
①在线投稿（推荐）：www.sdchem.net.cn
　　作者只需要简单注册获得用户名和密码后，就可随时进行投稿、查稿，全程跟踪稿件的发表过程，使您的论文发表更加方便、快捷、透明、高效。
②邮箱投稿：sdhgtg@163.com sdhg@sdchem.net
　　若“在线投稿”不成功，可使用邮箱投稿，投稿邮件主题：第一作者名字/稿件题目。
投稿时请注意以下事项：
　　①文前应有中英文“题目”、“作者姓名”、“单位”、“邮编”、“摘要”、“关键词”；
　　②作者简介包括：姓名、出生年、性别、民族、籍贯或出生地、工作单位、职务或职称、学位、研究方向；
　　③论文末应附“参考文献”，执行国标GB/T7714-2005标准，“参考文献”序号应与论文中出现的顺序相符；
　　④注明作者的联系方式，包括电话、E-mail、详细的通讯地址、邮编，以便联系并邮寄杂志。
　　 　                                                                                   山东化工稿件修改细则