一个用户友好的机器学习模型，利用土壤、作物和化学性质准确预测PFAS在作物根部的吸收。
向垒 · Qiu, Jing · Qian-Qi, Chen · Yu, Pengfei · 刘百林 · 赵海明 · Yan-Wen, Li · Feng, Naixian · 蔡全英 · 莫测辉 · Qing X., Li
Environmental Science & Technology 2023
基于300个根浓度因子数据点和26个特征开发
最佳模型通过分层采样、贝叶斯优化和5折交叉验证获得
碳链长度相对重要性0.12，基于扩展连通性指纹