線形モデルだからといって非線形モデルより外挿性が高いわけではまったくありません
よくある誤解の一つに、線形モデルは予測精度が低いけど外挿性が高い、非線形モデルは予測精度が高いけど外挿性が低い、というのがあります。回帰モデルが線形だからといって非線形モデルより予測精度が低いわけではありませんし、線形モデルだからといって非...
研究室
Datachemical LAB にどんな価値があるか
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」の価値についてです。なお、無料トライアルを終えたほぼ全員が Datachemical LAB を即決していただき、そうでなくても、次の年度初め...
SELFIESに基づいてシンプルに新規な化学構造を生成するPythonコードをDCEKitに公開します！
(アイキャッチ画像は、Midjourney にて chemical structures, molecules, organic chemistry, benzene, carbon, hydrogen で描画)データ解析・機械学習に基づい...
Dr. Iftikhar Ahmad を明治大学生田キャンパスにお招きして講演していただきました
2022年8月8日(月)に、パキスタンの National University of Sciences and Technology (NUST) で Associate Professor をされている Dr. Iftikhar Ahm...
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...
ベイズ最適化でプラントごとに最適な適応型ソフトセンサーを選択する手法を開発しました！[金子研論文]
金子研の論文が Case Studies in Chemical and Environmental Engineering に掲載されましたので、ご紹介します。タイトルはDesign of adaptive soft sensor bas...
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。...
特徴量の標準化(オートスケーリング)をするときのちょっとした工夫
説明変数 x のデータを準備して、低次元化やクラスタリングによりデータセットの可視化や解釈をしたり、x と目的変数 y のデータを揃えて回帰分析やクラス分類をしたりするときに、データセットの前処理の一つとして、基本的に特徴量の標準化 (オー...
「やりたいこと」と「できること」をつなぐデータ解析・機械学習(AI・人工知能)
分子設計・材料設計・プロセス設計・プロセス管理において、これまでに蓄積されたデータを収集・整理して、分子記述子・合成条件や製造条件・プロセス条件・プロセス変数 x と分子や材料の物性・活性・特性や製品品質 y との間で数理モデル y = f...
データ解析・機械学習の学会発表・報告会をしたり論文・報告書を書いたりするときに注意したいこと
ケモインフォマティクス・マテリアルズインフォマティクス・プロセスインフォマティクスに関して研究・開発して、ある程度研究成果が出てきますと、学会で研究発表したり、研究室内や社内で報告会をしたり、論文を書いたり報告書としてまとめたりすると思いま...