研究人员开发了一个自动化数据处理（ADP）框架，用于优化机器学习模型和特征选择，以预测熔融沉积成型（FDM）中的翘曲。该框架采用受强化学习启发的的方法，在大量数据集上评估模型-特征组合，并根据预测准确性和F1分数更新选择。通过整合基于Shapley的可解释AI（SHAP XAI）来评估特征重要性，ADP框架成功识别出最优配置，将测试集的AUC从0.9248提高到0.9731，并将平均奖励提高了50%以上（与使用所有特征相比）。 AI
影响 这项研究展示了一种通过优化机器学习模型和特征选择来提高制造过程预测准确性的方法，有望实现更高效的质量控制。
排序理由 学术论文，详细介绍了机器学习模型和特征选择的新颖方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
