本書(shū)共分為9個(gè)章節(jié)。第2章闡述了特征描述符的選擇，基于高維化學(xué)特征描述符數(shù)據(jù)的特點(diǎn)提出了基于重要性和相關(guān)性的特征描述符選擇方法；第3章梳理了樹(shù)集成學(xué)習(xí)模型的理論及算法流程；第4-9章展示了基于經(jīng)典樹(shù)集成模型的改進(jìn)模型所做的一系列研究，包括基于分布式隨機(jī)森林、深度森林、XGBoost、拓?fù)鋽?shù)據(jù)分析和LightGBM的結(jié)合、CatBoostChemCNet對(duì)有機(jī)化學(xué)反應(yīng)合成產(chǎn)率的智能預(yù)測(cè)，以及產(chǎn)率與反應(yīng)條件之間的內(nèi)在關(guān)系分析。