一种基于可解释机器学习的带隙预测和解释方法

本申请公开了一种基于可解释机器学习的带隙预测和解释方法，包括：收集双钙钛矿氧化物数据，获取第一数据集；对第一数据集进行预处理，获取第二数据集；从第二数据集中选择与带隙相关的物理特征的特征子集；设置随机森林算法的参数，并构建预测模型；将第二数据集划分为训练集和测试集；对训练集的数据进行预测训练，并通过测试集检测预测效果；对第二数据集和特征子集进行可解释分析。本申请克服了传统的实验和理论计算方法的不足，节约了时间和资源，基于可解释机器学习建立的对双钙钛矿氧化物的带隙预测和解释的模型，将相关的数据输入到模型就能很快地得到模型结果。