数据驱动的机器学习在电化学储能材料研究中的应用

施思齐, 涂章伟, 邹欣欣, 孙拾雨, 杨正伟, 刘悦

Applying data-driven machine learning to studying electrochemical energy storage materials

Siqi SHI, Zhangwei TU, Xinxin ZOU, Shiyu SUN, Zhengwei YANG, Yue LIU

表2 常用于储能电池研发的机器学习模型对比

Table 2 Comparison of machine learning models commonly used in energy storage battery research and development

方法 简介 优点 缺点 适用范围 相关文献 逻辑回归 面向分类问题，建立代价函数，然后通过优化方法迭代求解出最优的模型参数 简单高效；可解释性强 容易欠拟合；对于异常值和缺失值敏感 线性可分数据 [47, 82] 偏最小二乘分析 通过最小化误差的平方和找到一组数据的最佳函数匹配 计算简单；预测精度高；易于定性解释 降维导致信息损失 小样本数据 [48] 决策树 一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果 计算简单，易于理解，可解释性强 容易过拟合 稀疏性数据、不相关性数据 [49] 随机森林 以决策树作为基学习器，通过构建和组合多个弱学习器来完成学习任务 抗过拟合能力强；对缺失数据不敏感 噪音敏感 高维度、小样本、非均衡数据 [54] 支持向量机 通过最小化寻求结构化风险以提高学习器的泛化能力，实现经验风险和置信范围的最小化 使用核函数可以解决非线性的分类回归 计算耗时；对参数和核函数的选择比较敏感 高维数据 [75, 83-86] 岭回归 一种改良的最小二乘法，在MLR基础上加了L2正则项 稳定性较好 特征之间为稀疏的线性关系时效果差 多重共线性数据、病态数据 [76, 83] 朴素贝叶斯 基于贝叶斯定理和特征条件独立假设的分类方法，属于生成式模型 能个处理多分类任务；算法简单 需要计算先验概率；对输入数据的表达形式敏感 小样本数据；稀疏性数据 [87] 高斯过程回归 使用高斯过程先验对数据进行回归分析的非参数模型 预测值是观察值的插值；预测值具有概率评估 在高维空间效果差 时间序列数据 [85, 88-90] XGBoost 经过优化的分布式梯度提升库，旨在高效、灵活且可移植 收敛速度快；内置交叉验证 在高维空间效果差 稀疏性数据 [91] 人工神经网络 通过调整内部大量节点之间相互连接的关系，以达到处理信息的目的 鲁棒性和容错能力强；能充分逼近复杂的非线性关系 参数复杂；不易解释 复杂非线性数据 [92-94]