T2統計量・Q統計量～異常値を検出したり、モデルの適用範囲・適用領域(AD)を設定したり～
今回は、T2統計量・Q統計量についてです。主成分分析 (Principal Component Analysis, PCA) を行ったあとに、異常値を検出したり、モデルの適用範囲・適用領域 (Applicability Domain, AD...
第７回ケモインフォマティクス若手の会に金子研の学生たちと参加してきました
2018年5月22日 (火) に第７回ケモインフォマティクス若手の会＠渋谷ヒカリエ に参加して参りました。金子研の学生たちも一緒です。修士一年の３人は、グループディスカッションの話題提供もしました。 小島巧, 金子弘昌, “時間軸を用いたソ...
質問のしかた～わからないことを聞いたり、自分の考えを持って議論したり～
学会とか研究会とかにいくと、発表や講演のあとに質疑応答の時間があります。そこで、参加者は発表者・講演者に質問することができるのです。質問によっては、新しい気付き・発見があったり、議論が盛り上がったりします。 わたしも学生のとき最初はそうでし...
モデルの適用範囲・モデルの適用領域 (Applicability Domain, AD) ～回帰モデル・クラス分類モデルを使うとき必須となる概念～
今回は、モデルの適用範囲・モデルの適用領域 (Applicability Domain, AD) についてです。AD は回帰モデル・クラス分類モデルが本来の性能を発揮できるデータ領域のことです。回帰モデル・クラス分類モデルを使うとき必須にな...
第7回ケモインフォマティクス若手の会におけるディスカッション用の資料を公開～Generative Topographic Mapping(GTM)でデータの可視化・回帰分析・モデルの逆解析を一緒にやってみた～
2018年5月22日(火)に第7回ケモインフォマティクス若手の会があります。当日は講演をさせていただくのですが、ワールドカフェ形式のグループディスカッションもありまして、そこでも話題提供をします。 タイトルは、こちらにありますように Gen...
単純ベイズ分類器 (ナイーブベイズ, Naïve Bayes Classifier) でクラス分類
今回は、単純ベイズ分類器 (ナイーブベイズ, Naïve Bayes Classifier) についてです。ナイーブベイズにより多クラス分類ができます。推定結果として、各クラスに属する確率で得られるため、推定結果が得られた後の検討がしやすい...
回帰分析のときに外れサンプルを検出する手法を開発しました [金子研論文]
応化先生と生田さんが論文 “Automatic outlier sample detection based on regression analysis and repeated ensemble learning” について話しています...
プロセス・マテリアルズ・ケモインフォマティクスオンラインサロン (金子研オンラインサロン) をやっています！
金子研の外部の方向けに、金子研主催で無料のオンラインサロンをはじめました。slackでやりまして、オンラインサロンのメンバー登録やサロン内での質問・コメントなどの活動、すべて無料です。2024 年 1 月現在、登録者 900 名です。 デー...
Slack の必要最低限の使い方
研究室や実験TAやオンラインサロン内のコミュニケーションの手段の一つとして slack を利用しています。 中には初めて slack を使う方もいますので、念のため slack の最低限の使い方を書いておきます。 チャンネル 基本的には、 ...
One-Class Support Vector Machine (OCSVM) で外れ値・外れサンプルを検出したりデータ密度を推定したりしよう！
今回は、One-Class Support Vector Machine (OCSVM) についてです。OCSVM は SVM を領域推定問題に応用した手法であり、外れ値・外れサンプルを検出できたり、データ密度を推定できたりします。データ密...