回帰モデル・クラス分類モデルの逆解析~目標のY(物性・活性など)を達成するためのX(説明変数・記述子・特徴量・パラメータ・入力変数)とは?~

シェアする

回帰モデルやクラス分類モデルが得られたあとの話です。

よくやるのは、説明変数 (記述子・特徴量・パラメータ・入力変数) X の値を回帰モデルやクラス分類モデルに入力して、目的変数 Y の値を推定することです。これをモデルの順解析とよびます。

その逆の解析のことを、モデルの逆解析とよびます。つまり、Y の値を回帰モデルやクラス分類モデルに入力して、X の値を推定することです。目標としている物性や活性などを達成するための、説明変数・記述子・特徴量・パラメータ・入力変数の値を求めるために使われます。

今回は、そのモデルの逆解析について説明するスライドを作りました。pdfもスライドも自由にご利用ください。

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。

モデルの逆解析とは?

  • Y (物性・活性など) の値を回帰モデルやクラス分類モデルに入力して、X (記述子・特徴量・パラメータ・入力変数) の値を推定すること
  • 大きく分けて2つの方法がある
    • 順解析を繰り返す
    • ベイズの定理を利用する

スライドのタイトル

  • モデルの逆解析とは?
  • 順解析と逆解析
  • モデルの逆解析のやり方
  • 全通りの X の候補を用いる (グリッドサーチ)
  • ランダムに X の値を生成する
  • 最適化手法を用いる
  • ベイズの定理を利用する
  • ベイズの定理を利用した逆解析

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。

シェアする

フォローする