Datachemical LABでクラス分類のモデル最適化と予測ができるようになりました
いつも Datachemical LAB をご利用いただきありがとうございます。
これまでご紹介させていただいた通り、Datachemical LAB を使用することで、データの前処理・データの可視化・回帰分析・モデルの逆解析・モデルの適...
プログラミング
非線形回帰モデルを解釈する[v2.12.1] (DCEKit)
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と材料の物性・活性・特性や製品の品質などの y との間で、データセットを用いて機械学習により数理モ...
深層学習に基づくニューラルネットワークのハイパーパラメータをベイズ最適化で高速に最適化する[v2.11.1] (DCEKit)
深層学習に基づくニューラルネットワークで回帰モデルを構築するときの話です。他の回帰分析手法と同様にして、scikit-learn でモデルを構築できると、何かと便利だったりしますので、今回は scikit-learn の MLPRegres...
仕組みで解決する、人が解決する
マクドナルドでハンバーガーを注文すると、どこの店舗でも、どの店員でも同じようにオペレーションされ、支払いやハンバーガーの受け取りをすることができます。一方で、(毎年出るのではなく) 新しいハンバーガーの開発は、限られた人の中で行われています...
[無料公開] 「化学・化学工学のための実践データサイエンス―Pythonによるデータ解析・機械学習―」 の “まえがき”、目次、第１・２章
2022 年 10 月 5 日に、金子弘昌著の「化学・化学工学のための実践データサイエンス―Pythonによるデータ解析・機械学習―」が出版されました。
朝倉書店:
Amazon:
これまで他に、三冊の本 「化学のための ...
Cross-validated Permutation Feature Importance(CVPFI)～任意の回帰分析手法で、説明変数間の相関関係を考慮しながら安定的に変数重要度(特徴量重要度)を計算する手法[金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは
Cross-validated permutation feature importance considerin...
SELFIESに基づいてシンプルに新規な化学構造を生成するPythonコードをDCEKitに公開します！
(アイキャッチ画像は、Midjourney にて chemical structures, molecules, organic chemistry, benzene, carbon, hydrogen で描画)
データ解析・機械学習に基...
Datachemical LABで解ける実践的な課題
Datachemical LAB をご利用いただき、皆様どうもありがとうございます。
分子設計・材料設計・プロセス設計におけるいろいろな問題・課題に対して、ご活用いただいているようで開発者としてとても嬉しい限りです。ご質問やご要望...
サンプルをグループごとにトレーニングデータとテストデータに分割する機能をDCEKitに搭載しました！
回帰モデルやクラス分類モデルの予測性能を評価するとき、トレーニングデータとテストデータにサンプルを分割して、トレーニングデータでモデルを構築し、テストデータで構築されたモデルを評価します。一般的には、scikit-learn の train...
データは嘘をつかないので、データを集めたりデータから得られる結果を解釈したりするときにデータに嘘をつかないようにする
分子や材料やプロセスのデータを扱い、データ解析・機械学習をします。その結果、数理モデルが得られたり、数理モデルに基づいて新たな材料や分子や材料やプロセスを設計できたりします。
データ解析や機械学習で扱われるデータは、多くの場合、人が集めま...