スモールデータを用いたデータ解析・機械学習のアプローチのまとめ
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。 スモールデータ、すなわちサンプル数が小さいデータセットにおいては、データ解析・機械学習を慎重に行う必要があります。スモールデータにおける問題の詳細は、こちらに書いた通りです。 サンプル数が小さいデータセットには、データ解析で回帰分析やクラス分類をするとき、とてつもなく大きな問題があります。回帰分析やクラス分類における問題というと、精度の高いモデルが構築できないことを想像するかもしれません。 逆です。 精度の高いモ...
ベイズ最適化と遺伝的アルゴリズムは組み合わせよう！
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。 講演会やセミナーをしていると、よくある質問の1つに、ベイズ最適化と遺伝的アルゴリズムはどのように使い分ければ良いですか、という質問があります。
データ化学工学研究室(金子研究室)＠明治大学 理工学部 応用化学科
(Please translate this website into English using Chrome, if necessary.) データ化学工学研究室(金子研究室)のビジョン・理念は、 「すべての化学・工学データを知識に変える」 そしてミッションは、 Give people the power to visualize, understand, and design the world of chemistry and chemical engineering です。統計学・情報学・データ解析・機械学習を駆使して人工知能 (Artificial Intelligence, AI) やモデルをつくることで、暗黙知を形式知化したり、その形式知を活用して新たな設計をしたりする、化学・化学工学の研究をしています。詳細についてはメニューの “研究内容” や “研究成果” をご覧くださ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
