実験計画法の概要～データを上手く使って実験のコスパを上げましょう！～
たとえば、化学反応 A + B → C + D の、 C の収率を上げることを考えます。収率がもっとも高くなる実験条件を見つけることが目標です。 実験条件の１つである反応温度を 25℃ にして実験してみましょう。人間は精密機械ではありません...
データ解析
サポートベクターマシン(Support Vector Machine, SVM)～優秀な(非線形)判別関数～
サポートベクターマシン(Support Vector Machine, SVM)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、SVMで何ができるか、どのようにSVMを計算するかが説明されています。pd...
線形判別分析(Linear Discriminant Analysis, LDA)～多クラスにも応用できる線形クラス分類～
線形判別分析(Linear Discriminant Analysis, LDA)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、LDAで何ができるか、どのようにLDAを計算するかが説明されています。p...
部分的最小二乗回帰(Partial Least Squares Regression, PLS)～回帰分析は最初にこれ！～
部分的最小二乗回帰 (Partial Least Squares Regression, PLS) について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、PLSで何ができるか、どのようにPLSを計算するかが説...
主成分分析(Principal Component Analysis, PCA)～データセットの見える化・可視化といったらまずはこれ！～
主成分分析(Principal Component Analysis, PCA)について、pdfとパワーポイントの資料を作成しました。データセットが与えられたときに、PCAで何ができるか、どのようにPCAを計算するかが説明されています。pd...
モデルを作るのにサンプル数はいくつ必要か？に対する回答～モデルの適用範囲・モデルの適用領域～
統計だったり機械学習だったりニューラルネットワークだったり、データを使ったモデルの開発をしていますと、 いくつサンプルがあったらモデルはできますか？ ってよく聞かれます。今回はこの質問に答えながら、モデルの適用範囲・モデルの適用領域について...
【決意表明】金子研は第４回 IT創薬コンテスト：「コンピュータで薬のタネを創る４」に参戦します！
退路を断つため、決意表明します。データ化学工学研究室(金子硏)のメンバーで１つのグループとして、第４回 IT創薬コンテスト：「コンピュータで薬のタネを創る４」に参加することに致しました！ このコンテストで参加グループは、与えられたおよそ25...
最小二乗法による線形重回帰分析～人工知能・機械学習・統計の基礎の基礎～
最小二乗法による線形重回帰分析について、pdfとパワーポイントの資料を作成しました。目的変数と説明変数とのデータセットが与えられたときに、どのように回帰係数を計算するかが説明されています。最後には回帰モデルを比較するための指標3つをまとめて...
コスパで読み解く、第５回ケモインフォマティクス若手の会～発表を聴くだけが学会ではありませんよ！～
2017年5月16日(火)の第５回ケモインフォマティクス若手の会＠渋谷ヒカリエ に参加してきました。わたしはコアメンバーの１人なので運営サイドでもあります (最初にあいさつさせていただきました)。渋谷ヒカリエという、サイエンスの学会としては...
データセットをそのまま解析してエラーになってしまう方へ、基本的なデータの前処理方法を紹介します！
データセットを読み込んだあとに、まずやったほうがよい基本的なデータの前処理についてです。 最低限、この前処理は行いましょう！ とりあえずオートスケーリング (標準化) しましょうとか、いやいやその前に情報量のない変数は消しておきましょうとか...