クラス分類でのモデルの最適化を行います。MIモデル最適化と同様に、様々な特徴をもつ 10 以上のモデルの中から、ユーザーのデータセットに合うモデルを最適化できます。クラス情報（英数字列もしくは0, 1のバイナリー列）の目的変数 Y と説明変数 X の間で各モデルを学習させ、学習したモデルの予測性能を適切に評価することで、どのモデルが最良の予測性能を発揮するか検討可能です。各モデル学習法の設定条件 (ハイパーパラメータ) は自動的に最適化されます (手動でも設定可)。なお3クラス以上の分類や Y が複数あるときも対応可能です。
次の「クラス分類-予測」で予測に使用するモデルを決めるための大切な過程です。
モデル最適化
「読み込みデータ」タブにて、「データファイル読み込み」よりデータセットを読み込みます。
モデル最適化タブにて以下の項目を設定し、「作成」をクリックすると、モデル最適化の結果が表示されます。各モデルの混合行列表、正解率（Accuracy）※の数値を比較し、最適モデルを判断します。
※0, 1のバイナリー列の場合、検出率（Recall）、精度（Precision）、F1スコア、AUCの値も算出。 （このとき、1を正例（positive）、0を負例（negative）として各指標を計算します。）
〇計算中に作成ボタンの横に表示される「停止」ボタンをクリックすると、その時点の処理中のモデルまでで計算が完了します。
目的変数Y
予測の対象となるクラス情報（英数字列もしくは0, 1のバイナリー列）の特徴量を選択します。
説明変数X
分子記述子や、原料・添加剤等の配合比、合成条件やプロセス条件等の特徴量を選択します。
オートスケーリング
「MIモデル最適化」のオートスケーリングと同様です。通常はチェックを入れます。
モデル選択
比較検討するモデルを選択します。各モデルの説明は「モデル選択一覧」の項を参照してください。