本書共分為9個章節(jié)。第2章闡述了特征描述符的選擇，基于高維化學特征描述符數(shù)據(jù)的特點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章梳理了樹集成學習模型的理論及算法流程；第4-9章展示了基于經(jīng)典樹集成模型的改進模型所做的一系列研究，包括基于分布式隨機森林、深度森林、XGBoost、拓撲數(shù)據(jù)分析和LightGBM的結(jié)合、CatBoostChemCNet對有機化學反應合成產(chǎn)率的智能預測，以及產(chǎn)率與反應條件之間的內(nèi)在關(guān)系分析。