プログラミング

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。ご質問やご要望もいただい...

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、人が集めます...

公開動画

これまでデータ化学工学研究室 (金子研究室) 関係で公開されている動画をまとめます。公開動画が追加され次第、新しい順に追加していきます。 ・2024 年 1 月 31 日 『実例で学ぶ化学工学』 解説動画 【動画で解説!】8章 8.1 伝導...

GridSearchCVでハイパーパラメータの最適化に失敗した時の原因と対処法

回帰モデルやクラス分類モデルにおけるハイパーパラメータを最適化するため、scikit-learn の GridSearchCV を使用する人がいらっしゃると思います。特に複数の種類のハイパーパラメータがあるとき、GridSearchCV を...

回帰分析手法やクラス分類手法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

DCEKit に搭載されている Gaussian Mixture Regression (GMR) や Variational Bayesian Gaussian Mixture Regression (VBGMR) について、 クロスバリ...

時系列データにおけるモデル適用範囲

目的変数 y と説明変数 x のデータを準備して、x と y の間で数理モデル y = f(x) を構築し、モデルに基づいて x の値から y の値を予測したり、y の値が目標値になるような x の値を設計したりします。モデルで予測するとき...

Python の環境の準備とspyderやjupyter notebookの起動まで(Windows編とmacOS編)

Python プログラミングを行うための環境を準備する方法はいろいろとあります。有名なのは Anacondaを利用する方法です。一方で、一部の方にとっては Anaconda は有料であり、少し壁があるかもしれません。もちろん Anacond...

重要度は高いと計算された特徴量が、ドメイン知識的には重要そうでないとき何が起きているのか?

分子設計・材料設計・プロセス設計において、分子記述子や合成条件・製造条件やプロセス条件などの説明変数 x と活性・物性・特性などの目的変数 y の間で数理モデル y = f(x) を構築し、x から y を予測したり、y が目標値になるよう...

金子研で研究員を募集するとしたら?

今すぐというわけではありませんか、予算を確保できたときには、ポスドクを含む研究員を雇う予定でいます。今回は、その状況になったときのための整理をする記事になります。 基本的に研究員の方には、化学や化学工学のデータを扱った機械学習・データ解析を...
タイトルとURLをコピーしました