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。
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
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
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
これまで「RDKitとscikit-learnで機械学習:変異原性をk-最近傍法で予測」という記事から3回に渡り,化... これまで「RDKitとscikit-learnで機械学習:変異原性をk-最近傍法で予測」という記事から3回に渡り,化合物の変異原性の有無を予測する「2クラス分類」の機械学習モデルを構築してきました. 今回は教師あり学習のもう1つの柱である「回帰」と呼ばれる問題を扱います.具体的には化合物の溶解度を予測する機械学習モデルを,「線形モデル」というアルゴリズムを用いて考えていきます. 今回は下記論文に付属のデータセットを用いて機械学習を行っていきます. 「ESOL: Estimating Aqueous Solubility Directly from Molecular Structure」 J. Chem. Inf. Comput. Sci. 2004, 44, 1000–1005. (DOI: 10.1021/ci034243x) 線形モデルとは 線形モデルは入力ベクトルの線形関数として