ランダムフォレスト(Random Forests, RF)や決定木(Decision Tree, DT)で構築したモデルを逆解析するときは気をつけよう!

回帰モデルやクラス分類モデルを構築したら、モデルの逆解析をすることがあります。逆解析では、説明変数 (記述子・特徴量・実験条件など) X の値から目的変数 (物性・活性など) y の値を推定するのではなく、逆に、y の値から X の値を推定...

化学工学会第50回秋季大会@鹿児島大学 郡元キャンパス で学生の研究発表・学生コンテスト [受賞あり]

2018年9月18, 19, 20日に開催されました化学工学会第50回秋季大会@鹿児島大学 郡元キャンパス に、データ化学工学研究室(金子研)のM1小島・B4山田と参加して参りました。 とても大規模な会議であり、27 会場で並行して(特別)...

本当に標準偏差(分散)が0の説明変数(記述子・特徴量)を削除してよいのか?

教師あり学習をするときの、データ解析のおおざっぱな流れとしては、 データセットをトレーニングデータとテストデータに分ける トレーニングデータを用いて X と y との間でモデル y = f(X) を構築する (おもに回帰分析もしくはクラス分...

[Pythonコードあり] スペクトル解析における波長領域や時系列データ解析におけるプロセス変数とその時間遅れを選択する方法

遺伝的アルゴリズム (Genetic Algorithm, GA) を使って回帰モデルの推定性能がよくなるように、説明変数 (記述子・特徴量・入力変数) を選択する手法を以前解説しました。 今回は、スペクトル解析における波長選択と、時系列デ...

理学的なものと工学的なもの

こちらの新入生へのメッセージの9個目に書いたように、 理学は 「分かる」 ための学問、工学は 「決める」 ための学問です。ただ、それ以外にも、理学的なものと工学的なものとがあるなーと思い、表にまとめました。 ただ、誤解のないように言っておく...

回帰分析における半教師あり学習 (半教師付き学習) のメリットを確認しました!

以前に、半教師あり学習 (半教師付き学習) における4つのメリットについて書きましたが、 その中で回帰分析におけるメリットを議論して、それをQSAR解析・QSPR 解析で確認した論文が、掲載されましたのでご紹介致します。 金子研オンラインサ...

2018年度ゼミ合宿 写真

今年のゼミ合宿として、鬼怒川温泉に行ってきました。雨に降られることもありましたが、ゼミに遊びに飲みに、充実した一泊二日でした。 ゼミ中の写真を取るのを忘れました。 ゼミでの成果は近日中に金子研オンラインサロンで共有します。

[Pythonコードあり] 教師あり混合ガウスモデル(Supervised Gaussian Mixture Models)で回帰分析も逆解析も自由自在に♪~Gaussian Mixture Regression(GMR)~

混合ガウスモデル (Gaussian Mixture Models, GMM) を教師あり学習に対応させた Gaussian Mixture Regression (GMR) について、pdfとパワーポイントの資料を作成しました。GMM に...

適応型ソフトセンサーで産業プラントにおけるプロセス状態等の変化に対応する (Adaptive Soft Sensor)

化学プラント・産業プラントにおいて、測定することが難しいプロセス変数の値を、コンピュータでリアルタイムに推定するため、ソフトセンサーが活用されています。 “ソフトセンサー” とかっこいい名前がついていますが、結局はあるいくつかのプロセス変数...

[実績あり] 機械学習・データ解析・Pythonに関する10時間のハンズオンセミナー(体験学習)でどのくらいのことができるようになるのか?

機械学習・データ解析について、これまで 10 回以上 Python を用いたハンズオンセミナーをしたことがあります。ハンズオンセミナーとは体験学習のことです。たとえば私が実施したことでいえば、機械学習・データ解析に関する勉強をするだけでなく...
タイトルとURLをコピーしました