一种基于机器学习的液相色谱分析水相类型预测方法、介质、程序产品

本发明涉及一种基于机器学习的液相色谱分析水相类型预测方法、介质、程序产品，预测方法包括：收集有机物液相色谱水相类型数据并分类标注；提取分子结构特征(1D/2D描述符及分子指纹)；优化特征集并平衡数据分布；构建机器学习分类模型；通过Kappa值双重验证优化模型性能；基于优化模型预测新物质的水相类型。与现有技术相比，本发明可预测水相中是否需要加入缓冲盐，有利于加快大批量物质的液相色谱分析方法开发过程；方案简便易用，容易上手，准确度较高，使用范围广，可用于环境检测、环境生态、医药、材料等学科领域中有机物液相色谱分析方法开发过程。