XGBoost 驱动的晶圆制造质量预测
机器学习课程项目。用多源传感器时序数据预测晶圆表面 49 个测量点的质量轮廓，构建多输出空间回归框架：统计特征 + 测点空间邻接特征 + 每测点独立 XGBoost，多数批次 RMSE 稳定在 0.1–0.2。
XGBoost特征工程空间回归Python机器学习
项目背景
半导体制造多工序串联，传统质量管理依赖成品事后检测，无法前瞻性地优化工艺。本项目尝试用工艺过程中的多源传感器数据，在成品产出前就预测晶圆表面 49 个测量点的性能。
- 类型：机器学习课程设计（3 人小组，王雨涵、范琳、刘颜）
- 任务定义：从高维工艺时序数据到晶圆多维质量轮廓的多输出空间回归
方法
1. 数据清洗与特征工程
- 对 15 个传感器序列去异常值、做 Z-score 标准化；
- 从时序中提取四类统计特征：
- 集中趋势（均值、中位数）
- 波动强度（标准差、极差、变异系数）
- 非高斯形态（偏度、峰度、信号能量）
- 过程变化（最大增量、上升率）
2. 空间特征扩展
把运行级特征与测点几何信息做笛卡尔积扩展：
- 用测点坐标、角度正余弦、径向距离刻画空间位置；
- 按曼哈顿距离构建测点空间邻接图，把邻域统计量作为新特征，让模型感知相邻测点的局部拓扑。
3. 多输出 XGBoost
- 为 49 个测量点分别建立 XGBoost 模型，共享同一特征空间、超参与正则化策略；
- 基于二阶泰勒展开加速目标优化，加入 L1/L2 正则与叶子数约束控制过拟合；
- 按运行 ID 以 4:1 分割训练/验证，配早停策略，并用 5 折交叉验证评估稳定性。
结果
- 预测值与真实值的空间热力图、趋势折线高度吻合；
- 多数批次的产品级 RMSE 集中在 0.1–0.2，各折误差接近，训练稳定；
- 基于 gain 的特征重要性分析显示，前序工艺与少数关键运行特征贡献最大，为工艺优化指明了方向。
收获
- 系统实践了工业时序数据的特征工程方法论——好特征比复杂模型更重要；
- 理解了如何把"空间结构"显式编码进特征（邻接图），而不是把 49 个点当成互不相关的输出；
- 学会用交叉验证和分测点误差来诚实地评估一个多输出模型，而不是只看单一指标。