DCEKit に新機能追加 [v2.6.1]！トレーニングデータなしでスペクトルから濃度を推定する方法
DCEKit への新機能追加です。 こちらの Iterative Optimization Technology (IOT) を実装しました。 IOT では、純成分のスペクトルと混合物のスペクトルのみから、混合物における各純成分の濃度 (モ...
データ解析
DCEKit に新機能追加 [v2.5.2]！Variational Bayesian Gaussian Mixture Regression(VBGMR)とクロスバリデーションによるGMR最適化
DCEKit に今回追加したのは Variational Bayesian Gaussian Mixture Regression (VBGMR) と、GMR や VBGMR におけるクロスバリデーションによるハイパーパラメータ最適化です。...
「パターン認識と機械学習 下 ～ベイズ理論による統計的予測～」 データ解析・機械学習の中級者以上向けの、より深く学ぶための本
C.M. ビショップ 編, 「パターン認識と機械学習 下 ～ベイズ理論による統計的予測～」, 丸善出版, 2012 丸善出版: Amazon: こちらの下巻です。 Pattern Recognition and Machine Learni...
勘をなめたらアカン
ダジャレです。が、本心です。 材料研究・材料開発の現場では、実験条件や製造条件を振って、実際に実験・製造してみて、その結果としての材料の物性・活性といった値を測定します。実験条件や製造条件を振るときに、すべて理論的に、化学的な背景や物理的な...
ガウス過程による潜在変数モデルでプロセスデータの可視化やプロセス状態推定をしました！[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 Estimation and visualization of process states using latent ...
「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」 化学・化学工学のデータ解析・機械学習をしたい方へ
金子弘昌, 「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」, オーム社, 2023 オーム社: Amazon: 自分の本の紹介で恐縮です。ただ、データ解析や機械学習による分子設計、材料設計、プロセス設計、プロセス...
単体・化合物と実験条件・製造条件の両方が変わるデータセットの解析の仕方
データセットを用いて説明変数 X と目的変数 Y との間でモデル Y = f(X) を構築するときの話です。材料のデータセットを扱うときは、X が化合物の化学構造や結晶構造や金属の特徴量だったり、単体や化合物の組成比だったり、その他の実験条...
「統計学入門 (基礎統計学Ⅰ)」 統計学について学びたい方へ
東京大学教養学部統計学教室 編, 「統計学入門 (基礎統計学Ⅰ)」, 東京大学出版会, 1991 東京大学出版会: Amazon: 統計学の入門書です。データ解析や機械学習をやる上で、必要な統計学の内容を学べます。他にもいろいろと統計学の本...
オーバーフィッティング(過学習)の本質を理解して実用的な議論をする
回帰分析やクラス分類を行うとき、オーバーフィッティング(過学習)をしないことが重要といわれます。 オーバーフィッティングを防ぐため、クロスバリデーションでハイパーパラメータを決めたり、テストデータを用いて回帰分析手法やクラス分類手法を選んだ...
「実践GAN 敵対的生成ネットワークによる深層学習」 敵対的生成ネットワーク(Generative Adversarial Network, GAN)について学びたい方へ
Jakub Langr 著, Vladimir Bok 著, 大和田茂 訳, 「実践GAN 敵対的生成ネットワークによる深層学習」, マイナビ出版, 2020 マイナビ出版: Amazon: 敵対的生成ネットワーク (Generative ...