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...
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...
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...
合成条件から材料の物性・活性や製品品質まで複数のモデルで繋ぐ
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 =...
特徴量が多いときに特徴量重要度・変数重要度でモデルを解釈する方針
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 =...