目的変数が複数個あるときのモデルの逆解析、結局どのサンプルを選んだらよいの？？
回帰モデルやクラス分類モデルを構築したあとの、モデルの逆解析についてです。 こちらのチェックリストを確認したあとの話ですね。 モデルの逆解析のとき、目的変数が一つでしたら、その推定値がよさそうなサンプルを選んだり、ベイズ最適化で獲得関数の値...
研究室
データセットは生きもの。成長もしますし、それに応じて、モデルも成長します
データセットは生きている、と思いながら解析するようにしています。ただ、生物とは何か、、、という話にするつもりはなくてですね、データセットは、サンプルが増えたり減ったり、特徴量 (変数、記述子) が増えたり減ったり、成長しているなあという話で...
回帰分析手法・クラス分類手法の選び方
いつもどんな感じで回帰分析手法・クラス分類手法を選んでいるかお話します。予測結果の r2, RMSE, MAE, 正解率, ... といった指標だけ見て選んでいるわけではありません。 いろいろな回帰分析手法やクラス分類手法がありますね。 現...
ぜんぶオーバーフィッティングのせいだ。
オーバーフィッティングについて考えます。オーバーフィッティングは予測精度の高いモデルを構築するときの問題でして、モデルがトレーニングデータに合いすぎてしまい (目的変数 y の推定誤差が小さくなりすぎてしまい)、新しいデータにおける目的変数...
2019年度 応用化学科ポスター発表会、いつもどおり金子研オンラインサロンでポスターをシェアします(共同研究関係を除く)
2019年11月23日(土) に応用化学科ポスター発表会がありました。 金子研、練習もばっちりです。お待ちしております！ わたしも色々な研究室を回ります。#応用化学科研究ポスター発表会 pic.twitter.com/Utj0nyeAqR ...
学生の研究に対するモチベーションを上げるために、学生への説明をどのように工夫しているか
「ブログ読んでます！」 「ウェブサイト参考にしています！」 とおっしゃっていただく方々もいらっしゃり、うれしい限りでございます。その中でも、ウェブサイトの記事を読んで、データ解析・機械学習やケモインフォマティクス・マテリアルズインフォマティ...
2019 AIChE Annual Meeting@Orlando に学生たちといってきました！
2019 年 11 月 10 日から 15 日まで イリノイ州のオーランドで開催されていた 2019 AIChE Annual Meeting に修士 2 年の学生 3 人と参加してまいりました。 AIChE は American Inst...
金子研の研究、特に共同研究で難しいのは、データの収集の仕方・データの前処理・特徴量設計・モデルの逆解析・化学構造生成の５つです！
データ化学工学研究室 (金子研) では、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する、いろいろな研究をしています。企業や大学・研究所との共同研究もしています。金子研の研究、特に共同研究をするとき...
課題解決ではなく、課題解決力
明治大学応用化学科では、基本的に 4 年生から研究室に配属されます。3 年生までは定期試験やレポートなどで、いろいろな問題の正解を求めるトレーニングをしてきますが、研究室配属後の研究はそうではありません。正解がわかっていない、というよりは正...
[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」 の “はじめに” と目次の詳細
こちらの書籍には改訂2版がございます。改訂2版でも無料公開の部分の内容は変わらない一方で、一章分+α を改訂2版では追記しておりますので、以下で興味を持っていただけましたら、改訂2版の購入をオススメいたします。 2019 年 10 月 23...