機械学習によりバイオマテリアルの材料特性と骨形成率を予測するモデルを構築し、直接的逆解析により新規材料の設計をしました! [相澤研&金子研の共同研究論文]

相澤研と金子研における共同研究の成果の論文が Industrial & Engineering Chemistry Research に掲載されましたので、ご紹介します。タイトルは Machine Learning Model for Pr...

高分子化合物を対象とした合成反応予測モデル(構造生成)&逆合成反応予測モデルを開発しました![金子研論文]

金子研の論文が Macromolecular Theory and Simulations に掲載されましたので、ご紹介します。タイトルは Retrosynthetic and Synthetic Reaction Prediction M...

特徴量(変数)の重要度や目的変数の寄与はどのように検証するか

分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

予測値+モデルの適用範囲か、ベイズ最適化か、直接的逆解析か

分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

Datachemical LAB は他のソフトウェアと何が違うのか?~9つの大きなポイント~

いつも Datachemical LAB をご利用いただきありがとうございます。 Datachemical LAB の利用を検討するとき、他のデータ解析・機械学習のソフトウェアと何が違うのか、気になる方もいらっしゃると思います。Datach...

yが0(もしくは1)の削除したサンプルをどう使うか?

分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

(回帰モデルと比べて)クラス分類モデルで注意すること

分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

Datachemical LABでクラス分類のモデル最適化と予測ができるようになりました

いつも Datachemical LAB をご利用いただきありがとうございます。 これまでご紹介させていただいた通り、Datachemical LAB を使用することで、データの前処理・データの可視化・回帰分析・モデルの逆解析・モデルの適用...

モデルの解釈の結果とドメイン知識(化学的背景・物理的背景等)とが合わないときはどうするか

分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

ロジスティック回帰(Logistic Regression)~名前は回帰だけど目的はクラス分類~

ロジスティック回帰 (Logistic Regression, LR) について、pdf とパワーポイントの資料を作成しました。LR の計算方法について説明されています。pdfもスライドも自由にご利用ください。 pdfファイルはこちらから、...
タイトルとURLをコピーしました