新着記事

機械学習

特徴量エンジニアリング~モデル性能を引き出す特徴量の工夫~

特徴量エンジニアリングの手法について解説した記事になります。具体的にはlog変換や平方根変換、特徴量選択、新しい特徴量の生成、PCAなど次元削減まで、モデル性能を引き出す代表的な手法を初心者向けにわかりやすく解説します。
機械学習

機械学習におけるデータ前処理の基礎~欠損値・カテゴリ変数・スケーリング~

機械学習におけるデータ前処理の基礎を解説。欠損値処理、カテゴリ変数の変換、スケーリング(標準化・正規化・RobustScaler・組み合わせ)の方法を実装例付きでわかりやすく紹介。
機械学習

【初学者向け】Pythonで機械学習を始めるロードマップとおすすめ教材まとめ

Python入門から機械学習アルゴリズム実装までを3段階で解説。初学者が挫折せず学べる書籍・オンライン講座を徹底紹介します。
機械学習

ハイパーパラメータのチューニング手法を解説|代表的な3つの手法を比較&実装

ハイパーパラメータの役割や調整方法を基礎から解説。グリッドサーチ・ランダムサーチ・ベイズ最適化の違いや使い分け、Pythonでの実装までを詳しく紹介します。
機械学習

回帰モデルの評価指標を徹底解説|MSE, MAE, R², RMSE…どれを使えばいい?

回帰モデルの評価指標(MSE, MAE, RMSE, R², Adjusted R²)を初心者にもわかりやすく解説。数式・特徴・使い分け・Python実装例まで網羅した完全ガイド!
機械学習

どの回帰モデルを選べばいい?代表的手法6つを比較

機械学習の回帰モデルを徹底比較!重回帰・Lasso・Ridge・ランダムフォレスト・SVR・GPRの特徴や数式、Python実装を通して、線形・非線形データへの適用例まで解説します。初心者〜実務者まで必見です。

機械学習

機械学習

特徴量エンジニアリング~モデル性能を引き出す特徴量の工夫~

特徴量エンジニアリングの手法について解説した記事になります。具体的にはlog変換や平方根変換、特徴量選択、新しい特徴量の生成、PCAなど次元削減まで、モデル性能を引き出す代表的な手法を初心者向けにわかりやすく解説します。
機械学習

機械学習におけるデータ前処理の基礎~欠損値・カテゴリ変数・スケーリング~

機械学習におけるデータ前処理の基礎を解説。欠損値処理、カテゴリ変数の変換、スケーリング(標準化・正規化・RobustScaler・組み合わせ)の方法を実装例付きでわかりやすく紹介。
機械学習

【初学者向け】Pythonで機械学習を始めるロードマップとおすすめ教材まとめ

Python入門から機械学習アルゴリズム実装までを3段階で解説。初学者が挫折せず学べる書籍・オンライン講座を徹底紹介します。
機械学習

ハイパーパラメータのチューニング手法を解説|代表的な3つの手法を比較&実装

ハイパーパラメータの役割や調整方法を基礎から解説。グリッドサーチ・ランダムサーチ・ベイズ最適化の違いや使い分け、Pythonでの実装までを詳しく紹介します。

マテリアルズインフォマティクス(MI)

マテリアルズインフォマティクス(MI)

ベイズ最適化のオススメ参考書2冊

本記事はベイズ最適化のオススメ参考書2冊についてまとめた記事になります。具体的には「Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析」、「ベイズ最適化 適応的実験計画の基礎と実践」の2冊について紹介しています。
マテリアルズインフォマティクス(MI)

【Pythonコード付】RDkitで化合物の構造最適化

この記事はRDkitで化合物の構造最適化を実行するPythonコードについてまとめた記事になります。具体的には「実行コード」、「化合物の3D構造生成」、「力場の作成」、「構造最適化」について解説しています。
マテリアルズインフォマティクス(MI)

【コード付】化合物の類似度評価方法について

この記事では化合物の類似度評価方法について解説しています。具体的には「化合物の類似度」、「Tanimoto係数」、「Dice係数」、「コサイン類似度」、「ユークリッド距離」についてまとめています。
マテリアルズインフォマティクス(MI)

GPyOptで化合物探索プログラムを実装

この記事ではGpyOptを使った化合物の探索プログラムを実装する方法について解説した記事になります。具体的にはGPyOptとは、探索の流れ、使用コード説明、探索結果について記載しています。