化学动力学预测器：一种数据驱动的工具，用于预测均相气相React的React顺序。 包括NIST化学动力学数据库中的机器学习实验

动力学ML NIST化学动力学数据库上的机器学习实验。 在这项工作中，我们使用机器学习方法研究了某些物种的存在以及气相均相React过程中化学键组的形成/破坏与相应的活化能和React顺序之间的关系。 React数据是通过网络抓取和HTML解析从NIST Kinetics数据库获取的，以将在线数据库转换为更易访问的数据框（Pandas）格式。 然后，我们设计了一个特征向量来捕获某些物种和键的存在，并利用它来训练我们的模型以预测活化能和React顺序。 之所以选择基于随机森林的分类模型，是因为这种鲁棒的集成方法在其工作（决策树）的背后具有非常直观的基础，并且对于过度拟合也具有弹性。 遇到了巨