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 = f(x) を構築し、構築したモデルに x の値を入力して y の値を予測したり、y が目標値となる x の値を設計したりします。
データ解析・機械学習に関連する研究を進めていくと、自分で新しい良い手法を提案することがあります。問題や課題がある中で、既存の色々な手法で解決できなかったり、モデルの予測精度が低かったりする時に、提案手法を用いることで解決できるようになったり、モデルの予測精度が向上したりすることがあります。また、問題や課題を見て、それをクリアするための手法を考案したところ、他には同じような手法がなかった、といったこともあります。
いずれにしても、自分の提案手法と比較できる方法をなるべく多く探しましょう。新たな回帰分析の方法を提案したのであれば他の回帰分析手法、新たな転移学習の方法を提案したのであれば他の転移学習法、モデルの予測精度の新たな評価方法を提案したのであれば他の評価方法、モデルの新たな逆解析法を提案したのであれば他の逆解析法、新たな分子記述子を提案したのであれば他の分子記述子といった具合です。
もちろん、多くの方法と比較するのは面倒であると思いますが、メリットの方が大きいです。多くの比較手法があることにより、自分の提案手法との差別化ができると同時に、提案手法のアピールポイントが明確になります。場合によっては、比較手法の良い点を提案手法に取り入れることにより、さらに完成度の高い提案手法になるかもしれません。
そして見つけた比較手法については実際のデータ解析で比較しましょう。場合によっては、比較手法の論文で用いられているサンプルを使用できないこともあります。その場合には、サンプルだけ自分で準備したものを用いて、それ以外の手法を全く同じ状況で使用することで比較します。このように、比較手法の論文と完璧に同じ状況が再現できなくても、部分的にでもなるべく論文と同じ状況で比較することが重要です。
提案手法を他の多くの手法と比較していれば、提案手法の論文を執筆した際の査読プロセスでも、論文に対する評価が高くなります。ぜひ、提案手法のある方は他のなるべく多くの手法を実際に比較すると良いでしょう。
以上です。
質問やコメントなどありましたら、X, facebook, メールなどでご連絡いただけるとうれしいです。
