Scaffold Split：为什么随机划分会高估模型能力

评估分子模型时，怎么划分训练/测试集极大影响结论。随机划分常常给出虚高的分数，而 Scaffold Split（骨架划分）更接近真实使用场景。

随机划分为什么会高估

• 化合物数据里有大量结构相近的「类似物（analog）」。
• 随机划分会把同一系列的类似物分散到训练与测试两边。
• 于是测试集里有很多「训练集见过的近亲」，模型靠记忆就能拿高分——这是一种数据泄漏。

Scaffold Split 怎么做

• 先用 Bemis–Murcko（见 041）提取每个分子的骨架。
• 按骨架分组，让同一骨架只进训练或只进测试。
• 这样测试集的骨架是「训练时没见过的」，逼近「面对全新化学系列」的真实任务。

延伸资源

• 实操：DeepChem / TDC 内置 Scaffold Splitter。
• 配套：040《Scaffold 骨架》、044《QSAR 入门》、「AI 模型」模块《Benchmark 陷阱》。