クロスバリデーション(交差検定)のとき、変数の標準化(オートスケーリング)はどうするか？
金子研オンラインサロンにおいて、 メンバーの方からクロスバリデーションのとき変数の標準化 (オートスケーリング) に関...
2019年度ゼミ合宿 写真
今年のゼミ合宿は、越後湯沢で行いました。 金子研ゼミ合宿@越後湯沢 に行ってまいりました。ラフティングをしたりゼミをしたり。ゼ...
プログラミング未経験者のためのデータ解析・機械学習、連載スタート！
化学工学会の会誌で、Python でデータ解析・機械学習をおこなうための連載が始まりました。 〔連載〕プログラミング未経験者の...
モデルの逆解析をするときのチェックリスト
回帰モデルやクラス分類モデルを構築したら、モデルの逆解析を行うことで、目的変数の目標値を達成すると考えられる説明変数の値を推定できます。ただ...
![[解析結果とPythonコードあり] 転移学習 (Transfer Learning) を用いたデータ解析](https://datachemeng.com/wp-content/uploads/car_truck_hikkoshi-1-150x150.png)
[解析結果とPythonコードあり] 転移学習 (Transfer Learning) を用いたデータ解析
転移学習 (Transfer Learning) について、パワーポイントの資料とその pdf ファイルを作成しました。どんなシチュエーショ...
すでに100万サンプル超え！？金子研ではこれまでどのようなデータセットを扱ってきたのか
これまで金子研では、学生たちやわたしが、いろいろな種類のデータセットを扱ってまいりました。参考までに、これまでのデータセットを、教師ありのサ...
本はビュッフェ！
本、特に専門書を読むときは、ビュッフェ (食べ放題バイキング) で食べるときのように、という話です。 本を読みはじめるとき、必ず目的が...
![[Pythonコードあり] GTMR(Generative Topographic Mapping Regression)でデータの可視化・回帰分析・モデルの適用範囲・モデルの逆解析・化学構造生成をいっぺんにやってしまいます！ (物性・活性が2つ以上でもOK)](https://datachemeng.com/wp-content/uploads/smartphone_map_app_woman-150x150.png)
[Pythonコードあり] GTMR(Generative Topographic Mapping Regression)でデータの可視化・回帰分析・モデルの適用範囲・モデルの逆解析・化学構造生成をいっぺんにやってしまいます！ (物性・活性が2つ以上でもOK)
またまた Structure Generator based on R-Group (SGRG) という化学構造を生成する Python プ...
![[Pythonコードあり] ベイズ最適化で所望の物性や活性となる確率の高い化学構造を生成する (物性・活性が2つ以上でもOK)](https://datachemeng.com/wp-content/uploads/yamanobori_woman-150x150.png)
[Pythonコードあり] ベイズ最適化で所望の物性や活性となる確率の高い化学構造を生成する (物性・活性が2つ以上でもOK)
Structure Generator based on R-Group (SGRG) という化学構造を生成する Python プログラムへ...
![[Pythonコードあり] iterative Gaussian Mixture Regression(iGMR)で欠損値を補完しましょう！(目的変数があってもなくても構いません)](https://datachemeng.com/wp-content/uploads/cut_vegetable_lotus-150x150.png)
[Pythonコードあり] iterative Gaussian Mixture Regression(iGMR)で欠損値を補完しましょう！(目的変数があってもなくても構いません)
下図のような欠損値 (欠損データ) のあるデータセットがあるとします。穴あきのデータセットですね。 こんなとき...