保留全部208个分子描述符并用mixup虚拟样本扩充后，随机森林将缓蚀效率预测R²提升至0.72，SHAP指出Chi4n等拓扑描述符最关键

在原始317个有机化合物数据上，随机森林取得测试集MAE 4.568、RMSE 6.122、R² 0.718，优于Bagging（4.617、6.559、0.677）与梯度提升（5.187、7.487、0.579）。 与作者引用的同类工作相比，本文在同一317样本数据集上把MAE从4.80降到4.57、RMSE从6.40降到6.12，R²保持0.72；梯度提升在训练集R²达0.998而测试集仅0.579，说明小数据下提升类模型更易过拟合。 基于10折交叉验证、Grid Search调参后的测试集指标，并给出各模型最优超参数（如RF n_estimators=400、max_depth=None；GB n_estimators=600、learning_rate=0.01）。

用mixup对训练集做特征空间线性插值生成虚拟样本（x_new=λx_i+(1−λ)x_j，y_new=λy_i+(1−λ)y_j），虚拟样本仅加在训练集、验证集保持原始数据以避免数据泄漏；样本量从100增至10000时三种模型R²一致上升，达数千样本后升至0.90以上并趋于平台。 与以往侧重特征选择的研究不同，本文不做特征降维而保留全部208个描述符，转而从数据量入手；IE分布与PCA可视化显示增广样本落在原始特征空间内、未形成新簇，说明性能提升来自有效数据密度增加而非引入不真实模式。 证据为跨100–10000样本的R²曲线、增广前后IE分布对比与PCA二维投影，覆盖RF、Bagging、GB三种算法，趋势一致。

SHAP分析显示Chi4n、Chi3v、Chi1n、Chi4v、Chi3n等分子连接性指数与MolMR（分子折射率，关联电子极化率与分子体积）是预测缓蚀效率的最重要特征，LabuteASA与Ipc也有显著贡献。 该结果把模型预测与缓蚀机理联系起来：拓扑复杂度提供更多吸附中心（杂原子、孤对电子、π电子体系），极化率增强电子给体-受体相互作用，从而形成更稳定的保护层；相关分析、部分依赖图与SHAP结论相互印证。 依据SHAP汇总图、Chi4n依赖图（含与Chi1v的交互）、单样本瀑布图（基准值约85.7升至约95.4）、五个最重要描述符与实验IE的散点回归，以及部分依赖曲线。

Williams图适用域分析显示绝大多数分子落在标准化残差±3与杠杆警告值约0.589所界定的范围内，模型对数据集中多数分子给出可靠预测。 杠杆值在PCA降维后的描述符空间（保留55个主成分）上计算以提升高维数值稳定性，从而在给出预测性能之外，还界定了模型可外推的分子描述符范围。 基于Williams图的杠杆-残差分布，少数高杠杆分子被视为结构离群点、少数大残差分子被视为响应离群点，但数量相对整体数据集较少。

该框架面向以SMILES表示、以实验IE为标签的有机缓蚀剂数据集，适用于数据稀缺条件下用虚拟样本扩充训练集、再用集成模型做回归预测并借助SHAP等工具解释特征贡献的场景；对希望在设计早期筛选候选分子、或需要判断某分子是否落在模型适用域内的研究者，本文给出了可复用的流程与判据（杠杆阈值约0.589、残差±3）。作者指出后续可纳入更多物理化学描述符、量子化学参数或图表示，并接入高速虚拟筛选流程。

虚拟样本由训练集内插值产生，其信息来自原始317个化合物，因此R²升至0.90以上反映的是对增广分布的拟合与收敛，而非新增独立实验证据；验证集始终为原始数据，模型对真正新分子的外推能力仍需外部数据检验。适用域分析中仍存在少量结构离群点与响应离群点，这些分子的预测可靠性有待进一步确认。此外，本文为全文阅读，图表以文字描述形式呈现，具体数值细节（如各描述符SHAP绝对值、PDP曲线拐点位置）需查阅原文图表。