本專案嘗試針對製造產業資料進行機器學習建模與預測，採用資料為礦業精煉過程中的泡沫浮選設備的輸入與產出；"% Silica Concentrate" 為其製程的最終目標之一，越低越能提高整體品質；在此目標是希望能挑選並建立合適的模型來解釋本資料的輸入與對應產出(減低二氧化矽產出)，同時進行模型的初步優化，以期未來能達到同步接受資料的input下，動態調整其他可控變數，優化最終成果。
jupyternotebook中有採用shap以及Optuna的module，建議採用以下url瀏覽以提高閱讀體驗:
https://nbviewer.org/github/willim9313/Mining-Process-Machine-Learning-Case/blob/main/mining_eda_ml_nb.ipynb
Data source:
https://www.kaggle.com/datasets/edumagalhaes/quality-prediction-in-a-mining-process