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。
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。
https://github.com/hkaneko1985/gawls_gavds
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
- 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
スライドのタイトル
- 波長選択・プロセス変数および時間遅れの選択とは?
- PLS, SVR
- 波長を領域で選択するイメージ
- 波長領域選択
- GAWLSPLSやGAWLSSVRの前に設定すること
- プロセス変数および時間遅れを選択するイメージ
- 波長領域選択と異なること
- GAVDSPLSやGAVDSSVRの前に設定すること
- どうやって実際にGAWLS, GAVDSを実行するか?
- 注意点
- 参考文献
以上です。
質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。