遺伝的アルゴリズム (Genetic Algorithm, GA) を使って回帰モデルの推定性能がよくなるように、説明変数 (記述子・特徴量・入力変数) を選択する手法を以前解説しました。

GAPLS, GASVR でモデルの推定性能がよくなるように説明変数の選択をしよう！[Pythonコードあり]

遺伝的アルゴリズム (Genetic Algorithm, GA) を使って説明変数を選択する話です。２つの手法である Genetic Algorithm-based Partial Least Squares (GAPLS) G...

今回は、スペクトル解析における波長選択と、時系列データ解析におけるプロセス変数とその時間遅れの選択に特化した手法です。この手法を用いることで、スペクトルデータであれば推定性能の高い回帰モデルを構築するために重要な波長の領域の組み合わせを、時系列データであればプロセス変数とその時間遅れの幅の組み合わせを、選択することができます。

詳細についての pdf ファイルはこちらから、パワーポイント (pptx) ファイルはこちらからダウンロードできます。

興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。

また、今回の波長選択手法・プロセス変数およびその時間遅れの選択手法のデモンストレーションをするコードも公開します。こちらのGithubからご利用ください。

GitHub - hkaneko1985/gawls_gavds

Contribute to hkaneko1985/gawls_gavds development by creating an account on GitHub.

波長選択・プロセス変数および時間遅れの選択とは？

Genetic Algorithm-based Partial Least Squares (GAPLS) やGenetic Algorithm-based Support Vector Regression (GASVR) と似た、スペクトル解析や時系列データ解析 (ソフトセンサー) 用の手法
GAPLS, GASVR についてはこちら

GAPLS, GASVR でモデルの推定性能がよくなるように説明変数の選択をしよう！[Pythonコードあり]

遺伝的アルゴリズム (Genetic Algorithm, GA) を使って説明変数を選択する話です。２つの手法である Genetic Algorithm-based Partial Least Squares (GAPLS) G...

スペクトルデータ解析では、波長の領域の組み合わせを、回帰モデルの推定性能が高くなるように選択
- Genetic Algorithm-based WaveLength Selection using Partial Least Squares (GAWLSPLS)
- Genetic Algorithm-based WaveLength Selection using Support Vector Regression (GAWLSSVR)
時系列データ解析 (ソフトセンサー) では、プロセス変数の組み合わせとそれらの時間遅れ幅を、回帰モデルの推定性能が高くなるように選択
- Genetic Algorithm-based process Variable and Dynamics Selection using Partial Least Squares (GAVDSPLS)
- Genetic Algorithm-based process Variable and Dynamics Selection using Support Vector Regression (GAVDSSVR)
スペクトルデータと時系列データは似ているため、同じような手法を用いることができる