```mermaid graph TD subgraph Stage1 [Fase 1: Raccolta e Pre-elaborazione dei Dati] A[Raccolta Dati
Scheda Dati Materiali1 & Scheda Dati COV2] --> B[Feature di Input] B --> B1[Feature Materiali
Area Superficiale Specifica, Dimensione dei Pori, Idrofobicità, Polarità] B --> B2[Feature COV
Peso Molecolare, logP, Diametro Molecolare, Valore OAV] B --> C[Feature di Output
Punteggio di Corrispondenza dell'Adsorbimento] C --> D[Pre-elaborazione Dati] D --> D1[Pulizia Colonne Numeriche
Riempimento Valori Mancanti] D1 --> D2[Filtro COV Efficaci
Valore OAV > 0] D2 --> D3[Ingegneria delle Feature
Calcolo del Punteggio di Corrispondenza Basato sulla Teoria dell'Adsorbimento] end subgraph Stage2 [Fase 2: Addestramento e Valutazione del Modello] D3 --> E[Partizionamento del Dataset] E --> E1[80% Set di Addestramento] E --> E2[20% Set di Test] E1 --> F[Standardizzazione delle Feature
(Solo per SVM e Regressione Lineare)] F --> G[Modelli di Machine Learning] G --> G1[XGBoost] G --> G2[SVM] G --> G3[Random Forest] G --> G4[Regressione Lineare] G1 --> H[Addestramento e Valutazione] G2 --> H G3 --> H G4 --> H H --> H1[Cross-Validazione a 5-fold
(Calcolo Media e Deviazione Standard di R²)] H1 --> H2[Calcolo Metriche di Valutazione
R² Set di Addestramento, R² Set di Test, RMSE, MAE] H2 --> I[Confronto delle Prestazioni del Modello] I --> I1[Ordina per R² Set di Test] I1 --> J[Selezione del Modello Ottimale
(Basato su R² Set di Test o Prestazioni di Cross-Validazione)] end subgraph Stage3 [Fase 3: Analisi dell'Importanza delle Feature e Guida all'Ottimizzazione] J --> K[Analisi di Interpretabilità] ```