数据集概述
本数据集为玄武岩机器学习建模相关的补充文件，包含9个表格文件和2个参考文件。内容涵盖玄武岩训练数据集、XGBoost模型训练与验证数据集、应用数据集、熔融条件计算结果及岩石学建模数据，支持玄武岩机器学习模型的训练、验证及应用分析。
文件详解
- 表格文件（Tables）
- 文件名称：Table-S1_Parental training dataset.xlsx、Table-S2_Training dataset for XGBoost modeling.xlsx、Table-S3_Validation-Northeast China and Vanuatu.xlsx、Table-S4_Alteration test-Hainan Island and eastern Jamaica.xlsx、Table-S5_Parental application dataset.xlsx、Table-S6_Application dataset for prediction.xlsx、Table-S7_Calculated melting PT of primitive arc basalts.xlsx、Table-S8_Petrological modeling for arc mantle melts.xlsx、Table-S9_Calculated mean V-Sc and PT of primitive arc basalts.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含玄武岩主量与微量元素数据、机器学习模型训练/验证/测试数据、熔融压力温度计算结果、岩石学建模参数等
- 参考文件（Reference key）
- 文件名称：Reference key from EarthChem dataset.xlsx、Reference key from KS2012 dataset.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含EarthChem数据集及KS2012数据集的参考文献信息
- 代码文件（Code）
- 文件名称：Python_arc_classification ML model_ctliu2024
- 运行说明：需与Excel文件置于同一路径，基于Jupyter Notebook平台实现，可使用Table-S2和Table-S6运行
数据来源
GEOROC数据库、PetDB数据库、KS2012数据集（Keller and Schoene, 2012）
适用场景
- 玄武岩机器学习模型训练: 利用Table-S2的主量与微量元素数据训练XGBoost模型
- 模型验证与测试: 通过Table-S3的东北中国及瓦努阿图数据验证模型，Table-S4的海南岛及牙买加东部数据进行蚀变测试
- 全球玄武岩应用预测: 使用Table-S6的应用数据集进行模型预测
- 玄武岩熔融条件研究: 基于Table-S7、S9的熔融压力温度计算结果分析原始弧玄武岩的熔融环境
- 弧下地幔氧化还原状态分析: 利用Table-S8的岩石学建模数据估算弧下地幔fO2
- 地质数据整合研究: 结合多来源玄武岩数据开展全球玄武岩成因及演化分析
