pythonで実験計画：ラテン超方格
ある目的特性を得るための実験は、そのパラメータの種類の数に応じて飛躍的に探索空間が増加します。 そこで、より効率的な探索を行う手法が実験計画や品質工学といった分野で検討されてきました。 今回は、探索空間をできるだけ均一にサンプリングするラテン超方格により実験条件を設定する方法を紹介します。
日常生活にも役立つ!?コスパ最強の実験計画法をPythonで半自動化 - Qiita
222 = 8回カレーを食べなければなりません。 ところが実験計画法を使うと、 4回食べるだけで、どの要素がどの程度美味しさに影響しているか分かります。 ※下グラフは結果の例です。 ※この例では、煮込み時間が一番効果が高く、小麦粉比率の影響は小さい事がわかります。 #実験計画法の威力 回数が半分(8⇒4)になるだけでもそこそこ凄いのですが、 さらにパラメータが増えるほど、実験計画法の威力を発揮します。 パラメータが7個の場合、組み合わせが全部で128回 ⇒実験計画法なら、8回で済みます！ パラメータが15個の場合、組み合わせが全部で32768回 ⇒ 実験計画法なら、16回で済みます！！ ここまで効率化できるのはすごいと思いませんか？ どんな人に有効か 前述したように、日常生活、研究生活、社会人生活などなど応用範囲は広いはずです。 使うことで生活が便利になります。 自分の例ですが、大学生のと
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
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
pyDOE: The experimental design package for python — pyDOE 0.3.6 documentation