ML信息学工具
ML信息学工具是一个集成多种机器学习方法的综合性分析平台，旨在简化数据处理与建模流程。它包含三大核心模块：监督学习、特征工程与无监督学习模块，覆盖从数据预处理到模型构建的全流程，全面提升分析效率。共分为四个模块。数据集模块：支持CSV文件上传与预览，灵活选择变量、目标列、元素列和结构路径列，实现高效的数据管理与预处理。描述符选择模块：提供三大类材料描述符（Matminer基础描述符、结构描述符及DScribe高级描述符），支持根据建模需求定制特征组合。参数设置模块：通过贝叶斯算法优化测试集比例、交叉验证折数、特征重要性阈值等关键参数，实现自动化超参数调优。结果分析模块：展示优化后的超参数及p值统计量，提供数据集下载功能，集成预测结果可视化、残差分析、实测-预测对比、特征重要性排序等专业分析工具。
ML孔洞特征数据提取工具
过检测图像中的外部矩形来定位区域，并利用比例尺线计算实际比例，进行像素到实际尺寸的转换。接着，它通过形态学操作和边缘检测来识别图像中的微小缺陷，输出缺陷点的面积、周长、几何形状等详细信息，最终以图像和CSV文件的形式保存检测结果。此外，还提供了扩展的掩膜功能，能够排除指定区域影响检测结果，确保高效、准确地检测微小点。该代码适用于需要精确检测图像中的缺陷和微小结构的场景，支持图像轮廓和详细信息的导出与可视化。
参考文献:
R. F. Zhang*, T. F. Xu, B. N. Yao, and Z. R. Liu. Perspectives in the new era of materials intelligent design, Materials Lab 1, 220017 (2022).