一种基于集成学习SVM-RM-GBM堆叠模型的二氧化钛品味预测方法

本发明涉及机器学习领域，具体地说，涉及一种基于集成学习SVM‑RM‑GBM堆叠模型的二氧化钛品味预测方法。其包括以下步骤：对原始材料数据集进行预处理，以确保数据质量并适应模型输入要求；基于预处理数据，进行特征衍生，生成能够反映原材料化学成分与物理性质对二氧化钛品味影响的新特征变量；采用PCA降维技术和特征重要性分析，筛选出对二氧化钛品味预测最为关键的特征集；构建一个集成学习主干网络，整合随机森林、梯度提升机和支持向量机模型，并通过线性回归作为元模型进行预测加权；利用类似注意力机制的策略，对关键特征进行权重分配，整合基础模型的预测结果，以评估和确定高钛渣中二氧化钛品味等级。