由于存在各种限制（如时间、成本、道德、隐私、安全和数据获取），使得小数据经常被用于科学和工程研究。然而，大数据一直是过去十年的焦点，小数据及其挑战很少受到关注。而小数据的挑战主要是数据多样性、插补、噪声、不平衡和高维等问题。而当前大数据时代的特点是ML、DL和人工智能（AI）的技术突破，这使得数据驱动的科学发现成为可能，而为大数据开发的许多先进ML和DL技术为小数据问题提供了解决方案。因此，在过去十年中，ML和DL在解决小数据挑战方面取得了重大进展。近日，密歇根州立大学Wei Guowei、武汉纺织大学江健总结并分析了分子科学（包括化学和生物科学）中小数据挑战的几种新兴潜在解决方案。
本文要点：
1) 作者回顾了基本的机器学习算法，如线性回归、逻辑回归（LR）、k近邻（KNN）、支持向量机（SVM）、核学习（KL）、随机森林（RF）和梯度增强树（GBT）。
2) 此外，还包括更先进的技术，如人工神经网络（ANN）、卷积神经网络（CNN）、U-Net、图神经网络（GNN），生成对抗性网络（GAN）、长短期记忆（LSTM）、自动编码器、转换器、迁移学习、主动学习、基于图的半监督学习、将深度学习与传统机器学习相结合，以及基于物理模型的数据增强。作者还简要讨论了这些方法的最新进展，最后讨论了分子科学中小数据的发展趋势。
Bozheng Dou et.al Machine Learning Methods for Small Data Challenges in Molecular Science Chem. Rev. 2023
DOI: 10.1021/acs.chemrev.3c00189
https://pubs.acs.org/doi/10.1021/acs.chemrev.3c00189
