进阶 · 15 分钟
作为数据地形的元素周期表
把元素周期性质——原子半径、电负性、电离能——渲染为三维地形，练习识别机器学习模型必须学习的周期规律。
目标
把周期表变成回归地形：找出模型可用的特征（周期、族）以及它难以学习的不规则处。
仪器与试剂
把元素网格抬升为三维，表面高度与所选周期性质成正比。
步骤
- 保持模式 0 并旋转地形；找出标记每个周期和族的谷或脊。
- 切换到模式 1 比较：该性质沿周期是升还是降？趋势平滑还是锯齿状？
- 切换到模式 2，寻找破坏单调趋势的离群元素。
- 对每个模式说明模型应学到的规则（如“向上向右递增”），并举出一个例外。
观察要点
- 周期性质沿行和列平滑变化——表中相邻元素相似，这正是基于描述符的机器学习所利用的。
- 某些模式在过渡金属和镧系处出现尖锐的脊或骤降——简单线性模型会在这些区域失效。
- 同一元素在所有模式中都占据相同的（行、列）——说明承载预测信息的不只是化学，还有表格结构。
讲解
化学中的机器学习常从描述符入手：原子序数、族、周期或电负性等数值特征，用于对目标性质回归。从周期表地形的角度看，易学的性质是平滑曲面，难学的性质则崎岖不平。这就是特征化重要的原因，也是了解周期结构的图模型或核模型优于仅用 Z 的朴素回归的原因。
相关化学家
相关主题
虚拟实验是帮助建立直觉的简化模型，不能替代真实实验和安全培训；没有指导请勿在家自行重复。