![[デモのプログラムあり] ガウス過程による回帰(Gaussian Process Regression, GPR)におけるカーネル関数を11個の中から最適化する (scikit-learn)](https://datachemeng.com/wp-content/uploads/menu_chumon_couple-150x150.png)
[デモのプログラムあり] ガウス過程による回帰(Gaussian Process Regression, GPR)におけるカーネル関数を11個の中から最適化する (scikit-learn)
こちらのガウス過程による回帰 (Gaussian Process Regression, GPR) において、カーネル...
「 研究室 」一覧
![[デモのプログラムあり] Local Outlier Factor (LOF) によるデータ密度の推定・外れサンプル(外れ値)の検出・異常検出](https://datachemeng.com/wp-content/uploads/result_of_lof-150x150.png)
[デモのプログラムあり] Local Outlier Factor (LOF) によるデータ密度の推定・外れサンプル(外れ値)の検出・異常検出
Local Outlier Factor (LOF) について、パワーポイントの資料とその pdf ファイルを作成しました。LOF は k-...
データ解析・機械学習のしやすいデータセットの作り方
データ化学工学研究室 (金子研) では、分子のデータや材料のデータやプロセスの時系列データなど、化学データ・化学工学データを扱ってデータ解析...
人工知能は本質的に何をしているのか
データ化学工学研究室 (金子研) では、基本的に化学データ・化学工学データを用いて、データ解析・統計解析・機械学習によって、数理モデル・数値...
DCEKit にバギングによるアンサンブル学習の機能を追加！scikit-learn の BaggingRegressor や BaggingClassifier との違いとは？
データ解析・機械学習のためのツールキット DCEKit にバギングによるアンサンブル学習の機能を追加しました。 アンサ...
![ポリマーとモノマーのデータセットがあれば、こんなことができるようになりました！ [金子研学生論文]](https://datachemeng.com/wp-content/uploads/SnapCrab_NoName_2019-9-1_11-41-10_No-00-150x150.png)
ポリマーとモノマーのデータセットがあれば、こんなことができるようになりました！ [金子研学生論文]
昨年度の金子研の四年生が主に研究していたテーマの成果が、Journal of Computer Chemistry, Japan にて論文公...
設計の目的は問題解決
設計の目的は設計することではなくて、何かしらの問題を解決することです。あたりまえのことかもしれませんが、少しお話しします。 いろいろな...
DCEKit (Data Chemical Engineering toolKit) のクラスや関数の解説 (取扱説明書)
こちらのDCEKit (Data Chemical Engineering toolKit) について、 クラスや関数...
DCEKit (Data Chemical Engineering toolKit) を PyPI にリリース！
これまで化学データ・化学工学データのデータ解析に役立つツールや金子研で開発された手法に関する Python コードを Github にて公開...
![[Pythonコード付き] テストデータのMAEをトレーニングデータから推定する方法を開発したので紹介します [金子研論文]](https://datachemeng.com/wp-content/uploads/SnapCrab_NoName_2019-8-11_7-21-7_No-00-150x150.png)
[Pythonコード付き] テストデータのMAEをトレーニングデータから推定する方法を開発したので紹介します [金子研論文]
回帰分析において、新しいサンプルを推定するときの誤差の絶対値の平均値を推定するための指標を開発しました。イメージとしては、テストデータとして...