Accurate predictive model of band gap with selected important features based on explainable machine learning
Este estudio demuestra que el uso de técnicas de aprendizaje automático explicable (XML) para seleccionar las cinco características más importantes permite desarrollar un modelo predictivo de banda prohibida más compacto, preciso y generalizable que el modelo completo, al tiempo que subraya la necesidad de eliminar características altamente correlacionadas para evitar interpretaciones erróneas.