一种基于机器学习的药效预测模型训练方法和系统

本申请提供一种基于机器学习的药效预测模型训练方法和系统，涉及药效预测领域，该方法包括：从历史炮制记录中提取工艺参数数据、化学成分数据和化学成分变化数据，构建初始数据集。基于初始数据集对工艺参数数据、化学成分数据和化学成分变化数据之间的关联性进行分析，确定关键工艺条件组合。基于关键工艺条件组合构建特征数据集，通过训练集训练药效预测模型得到第一药效预测模型，通过第一药效预测模型对测试集进行预测输出初步药效变化预测数据。对初步药效变化预测数据进行误差分析，确定第一药效预测模型的参数调整方向。基于第一药效预测模型的参数调整方向确定第二药效预测模型，第二药效预测模型用于输出优化药效变化预测数据。