基于机器学习的低介电常数材料介电性能预测方法及系统

本发明提供了一种基于机器学习的低介电常数材料介电性能预测方法及系统，包括：获取材料数据，预处理获得基础属性；进行特征工程，获得特征矩阵；将特征矩阵划分为数据集并处理；训练模型，得到最佳模型；评估最佳模型，将最佳模型序列化保存。本发明结合特定特征工程、训练数据噪声增强、样本加权策略以及随机森林模型的机器学习方法的结构，解决了现有机器学习模型在精确预测特定低介电常数(<5)材料方面精度不足、传统材料筛选方法效率低下的问题，提高了低介电常数新材料发现的效率和准确性以及预测的鲁棒性和泛化能力。