化学・化学工学分野におけるデータ解析・機械学習クラウドサービス「Datachemical LAB」
化学・化学工学分野におけるデータ解析・機械学習が、プログラミングなしでできるクラウドサービス「Datachemical LAB」を開発し、提供を開始しましたので、ご案内します。プレスリリースは以下をご覧ください。Datachemical L...
データ解析
機械学習、特に教師あり学習をする際の特徴量データの準備の方針
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特徴量 x と物性・活性・特性などの目的変数 y との間でデータセットに基づいて教師あり学習により数理モデル y = f(x) を構築したり、構築し...
特徴量選択するときのモデルのハイパーパラメータの決め方
分子記述子・合成条件・製造条件・プロセス条件・プロセス変数などの特徴量 x と物性・活性・特性などの目的変数 y との間で数理モデル y = f(x) を構築するとき、モデルの予測精度を向上させたり、モデルの解釈性を上げたりするために、x ...
GMR と GA を用いた逆解析の結果の扱い方
分子設計・材料設計・プロセス設計において分子記述子・合成条件・製造条件・プロセス条件などの特徴量 x と物性・活性・特性などの目的変数 y との間で数理モデル y = f(x) を構築し、そのモデルを活用して y の目標値を達成するための ...
Elastic net をすれば、OLS, RR, LASSO はしなくてよいのか？
こちら↓で解説したように、最小二乗法による線形重回帰分析 (Ordinary Least Squares, OLS), リッジ回帰 (Ridge Regression, RR), Least Absolute Shrinkage and S...
結局、「次元の呪い」は何が問題なのか？解決方法は？
データ解析や機械学習をしている方は、「次元の呪い」 という問題があることを聞いたことがあるかもしれません。「次元」という言葉があるように、分子記述子・合成条件・製造条件・プロセス条件・プロセス変数などの変数もしくは特徴量が多いときに生じる問...
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...
機械学習・転移学習・ベイズ最適化を活用して二酸化炭素還元用金属酸化物を開発しました！[積水化学工業&金子研の共同研究論文]
積水化学工業と金子研における共同研究の成果の論文が ACS Omega に掲載されましたので、ご紹介します。タイトルはDesign and Analysis of Metal Oxides for CO2 Reduction Using M...
同じ実験条件で繰り返し実験するのは、最後だけでよいのでは？～(適応的)実験計画法のススメ～
高機能性材料の研究・開発をするとき、材料の合成条件等の実験条件を変えながら実験し、結果を確認します。もちろん再現性も大事なので、同じ実験条件で繰り返し実験します。3 回や 5 回が多いと思います。いわゆる n = 3, n = 5 です。た...
既存のデータセットがある場合に実験計画法で今後の実験条件を求める方法
適応的実験計画法の話です。分子設計や材料設計やプロセス設計において、まだデータセットがないとき、最初に実験やシミュレーションするための分子・合成条件・製造条件・プロセス条件といった説明変数 x の値を実験計画法により決めます。その条件で実際...