Leverage、トレーニングデータにおける各サンプルのyに対する影響力を考える

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・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 と材料の物性・活性・特性や製品品質などの目的変数 y との間で、データセットを用いて数理モデル y...

全体的な変数重要度(特徴量重要度)と局所的な変数(特徴量)の寄与度の考え方の違いと使い分け

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・合成条件・製造条件・評価条件・プロセス条件・プロセス変数 x と材料の物性・活性・特性や製品品質 y との間で数理モデル y = f(x) を用いて、x の値から y の値...

材料合成における原料の物性値の活用方法

材料設計やプロセス設計において、合金や高分子などの複数の原料を混合するプロセスを経て得られる材料を設計することがあります。材料の特徴量や材料を合成・製造するプロセスの特徴量 x と、材料の物性・活性・特性 y との間で、データセットを用いて...

回帰分析やクラス分類における数理モデルの評価方法や評価指標の整理

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・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 x と材料の物性・発生・特性や製品品質などの y との間で数理モデル y = f(x) を構築し、そのモデル...

タグチメソッドにおける実験計画法とベイズ最適化をはじめとする適応的実験計画法における実験計画法の違いと優位点

最初に申し上げることとして、今回はあくまでタグチメソッドにおける実験計画法の話であり、タグチメソッド全体のお話しをするわけではありません。そもそもタグチメソッドは、以下のようなキーワード等をもつ、とても広い概念です。 品質工学 実験計画法 ...

「化学・化学工学のための実践データサイエンス―Pythonによるデータ解析・機械学習―」 化学・化学工学のデータ解析・機械学習を実践している人で、さらなる高みを目指したい方へ

金子弘昌, 「化学・化学工学のための実践データサイエンス―Pythonによるデータ解析・機械学習―」, 朝倉書店, 2022 朝倉書店: Amazon: 自分の本の紹介で恐縮です。ただ、ケモインフォマティクス、マテリアルズインフォマティクス...

データ解析や機械学習でできる解釈は、あくまで「モデル」の解釈

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・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 と材料や製品の物性・活性・特性などの目的変数 y との間で、データセットを用いて数理モデル y =...

仕組みで解決する、人が解決する

マクドナルドでハンバーガーを注文すると、どこの店舗でも、どの店員でも同じようにオペレーションされ、支払いやハンバーガーの受け取りをすることができます。一方で、(毎年出るのではなく) 新しいハンバーガーの開発は、限られた人の中で行われています...

Datachemical LABで複雑な実験系・プロセスにも対応した仮想サンプルの生成ができるようになりました

継続的にDatachemical LABの機能を充実させています。今回は仮想サンプル生成において、新たな機能が追加されました。プレスリリースはこちらです。 材料設計やプロセス設計において、実験条件・合成条件・評価条件・プロセス条件などの特徴...

データセットを扱うときはサンプル一つ一つに気を配ることが重要です!

分子設計・材料設計・プロセス設計において、分子記述子・実験条件・合成条件・評価条件・プロセス条件などの特徴量 x と分子や材料の物性・活性・特性などの目的変数 y との間で、データセットを用いて数理モデル y = f(x) を構築します。構...
タイトルとURLをコピーしました