転移学習の方法の選び方
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・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 の間で、データセットを用いて機械学習により数理モデル y = f(x) を構築したり、構築されたモ...
研究室
共同作業はキャッチボール～早めにボールを投げよう！～
研究したり、論文を書いたり、研究室での多くの活動は共同作業で進められます。各自の役割や分担を決めて、役割や分担に基づいてそれぞれ作業をします。時には進捗状況を共有したり、これまでの反省や今後の方針について話し合ったりします。例えば研究をする...
一つのことを没頭する人、バランスをとる人
一つのことをやると決めたら、寝る時間以外はそれに没頭する人もいれば、そのことだけでなく趣味などの他の時間とバランスをとってやる人もいます。多くの人は、それらの間のグラデーションの中にいらっしゃると思います。また人生の中でも、グラデーションの...
アルバイトのメリット・デメリット、時間やストックも考えよう！
主に学生に向けたお話です。勉強や研究だけでなく、一緒にアルバイトをしている学生もいらっしゃると思います。家庭教師、塾講師、コンビニの店員、飲食店のホール、パン屋さんなど、いろいろアルバイトがあります。ここではアルバイトのメリットとデメリット...
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...