エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
pythonのstatsmodelsを使った重回帰分析で溶解度予測:AICによるモデル選択
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
pythonのstatsmodelsを使った重回帰分析で溶解度予測:AICによるモデル選択
これまで本ブログでは,pythonの機械学習用ライブラリであるscikit-learnを用いて,回帰タスクである化... これまで本ブログでは,pythonの機械学習用ライブラリであるscikit-learnを用いて,回帰タスクである化合物の溶解度予測に取り組むことで,機械学習について学んできました. 線形モデルを用いた化合物の溶解度予測:通常最小二乗法,Ridge回帰,Lasso回帰 交差検証を用いてElastic Netを化合物の溶解度データに対して最適化 データ分析と前処理:パイプライン処理で化合物の溶解度を推定 今回は最小二乗法による線形モデルについて,確率モデルとして取り扱うことで理解を深めていきたいと思います.分析にはpythonの統計モデル用パッケージであるstasmodelsを用いていきます. 今回の記事では下記論文に付属のデータセットを用いて分析を行っていきます. 「ESOL: Estimating Aqueous Solubility Directly from Molecular St