プログラミング

データ解析・機械学習の結果は図や表にしましょう!

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・実験条件・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 と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...

「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)」 正誤表

タイトルの書籍をすでにお読みいただいた方々から、ご質問やご指摘をいただいております。感謝申し上げます。そこでいただいたご指摘から、間違えがあることもわかりましたので、正誤リストとして以下にまとめます。申し訳ございませんが、よろしくお願いいた...

[無料公開] 「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)」の“改訂版の発行にあたって”、詳細な目次、第8章の一部

2023 年 8 月 30 日に、金子弘昌著の「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)」が出版されました。 オーム社: Amazon: こちらは、以前に出版した書籍 「化学のための Pythonによるデータ解析・...

任意のクラス分類手法で変数重要度(特徴量重要度)を計算する機能をDCEKitに搭載しました![v.2.13.1]~Cross-Validated Permutation Feature Importance (CVPFI) for classification~

どのクラス分類手法でも変数重要度 (特徴量重要度) を計算する機能を DCEKit に搭載しました!こちらの回帰分析における Cross-Validated Permutation Feature Importance (CVPFI) のク...

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・モデルの適用...

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 Pythonによる...

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 considering c...
タイトルとURLをコピーしました