一种高熵氧化物热力学稳定性的机器学习预测方法

本发明公开了一种高熵氧化物热力学稳定性的机器学习预测方法，包括如下步骤：1）计算热力学参数；2）获取特征与性质；3）构造行增广加权数据集；4）构造列增广待定系数的数据集；5）模型的训练；6）特征筛选；7）模型的对照与交叉验证“可视化”评估。这种方法根据不同元素的占据晶格位点作为输入信息，能快速估计出高熵氧化物的热力学稳定性，提高了预测高熵氧化物热力学稳定性的效率与准确性。