可視化手法・低次元化手法の分類
説明変数 x の数が大きいときなど、データセットを用いてx を潜在変数 z に変換する手法を用いることがあります。z の数が二つのとき、データの可視化 (見える化) になります。手法の例としては、以下のものが挙げられます。 Principa...
コスパは、コストで割るのではなくパレート最適解で考えよう！
工学的な研究をしていますので、最終的には「決める」ことを目指すことになります。例えば、データ解析や機械学習でいえば、ハイパーパラメータをいろいろな候補の中から決めることになりますし、モデルもいろいろな手法で構築されたモデルの中から決めること...
目的変数が複数あるときの解析の方針の決め方
説明変数 x と目的変数 y の間でモデル y = f(x) を構築して、新しいサンプルの x をモデルに入力して y を予測したり、y が望ましい値になる x を設計したり (モデルの逆解析) します。このとき、y が複数あることがありま...
実験計画法で実験条件を決めることの意義
まだ実験データがないときに、実験条件を設定して実験することを考えます。実験条件を人が決めるときは、化学的な背景や物理的な背景を考慮したり、装置などの条件に基づいたりして、実験条件を決めることになります。このとき、ある程度実験条件を振ります。...
モデルの適用範囲の手法やハイパーパラメータの選び方
説明変数 x と目的変数 y の間で構築されたモデル y = f(x) を運用するとき、モデルの適用範囲 (Applicability Domain, AD) が必須になります。AD は、モデルが本来の予測性能を発揮できる x のデータ範囲...
未来予測をするモデルを検証するときの注意点
説明変数 x と目的変数 y の間で構築されたモデル y = f(x) の目的として、未来の予測をすることもあります。未来のことはわからないとはいえ、モデルを構築できるということはデータがあるわけですから、データを用いて、構築されたモデルで...
モデルの予測精度と解釈可能性を両立できる手法を開発しました！[金子研論文]
金子研の論文が Journal of Computer Chemistry, Japan に掲載されましたので、ご紹介します。タイトルはConstructing Regression Models with High Prediction ...
文章が書ける人と書けない人の違い～読んだ量・書いた量・想像力～
職業柄、もちろん論文や本やブログなどで自分でも文章を書きますが、学生の文章を添削することもします。学生のなかには、最初からうまく文章を書ける人もいれば、最初はあまりうまく書けず、だんだんとレベルアップする人もいます。その辺りの違いについて考...
目的変数に上限や下限があるときの回帰分析の潜在的問題と、その解決方法
回帰分析をするとき、目的変数 y に上限や下限のある変数を使用するときがあります。0 から 1 までの値だったり、0 % から 100 % までの間だったりする変数です。基本的には、回帰分析における y として使用して問題ありません。ただ、...
三つの本の使い分け
2021年8月1日現在、金子弘昌 著の３冊の本が出版されています。金子研オンラインサロンでは、本の内容に関する質問をいただいたり議論が深まったりして嬉しい限りです。修正点などのご指摘もいただき、実際に私の方で修正し、内容的にもアップデートさ...