本研究提出了一种可解释的机器学习方法，用于预测铣削过程中的表面粗糙度。通过使用铝合金2017A的数据集，研究开发了能够准确预测不同粗糙度值的模型，并发现可以去除多余的传感器，降低成本，保持预测准确性。

本文提出了一种贝叶斯层次模型，用于预测车削加工中的表面粗糙度，旨在提高数据利用效率和预测精度。与多个贝叶斯线性回归模型对比，展示了该模型在不确定性量化方面的优势。此外，研究探讨了机器学习在金属增材制造和材料发现中的应用，强调了数据驱动方法在优化过程中的潜力。