モデル構築の前処理としてデータセットの特徴量選択を行います。不要な特徴量を削除してコンパクトなデータセットにすることで、その後に構築するモデルの性能が向上することがあります。
特徴量選択
データファイル読み込みFileの「Browse」より、データセットを表示させます。
以下の項目を設定し「作成」をクリックすると、特徴量選択後のデータセットが表示されます。
目的変数Y
予測の対象となる特徴量を選択します。（Boruta を実施しない場合は選択不要）
説明変数X
予測に使う特徴量（分子記述子、配合比、合成条件など）を選択します。
トレーニングデータの選択、トレーニングデータ割合(%)
モデル構築用のトレーニングデータと検証用のテストデータの割合を入力します。
分割方法、ランダム固定用数値
データ分割方法とランダム固定用数値の固定値を入力します。
-666をもつ特徴量を削除（記述子計算データセット用）
RDKitで計算できず「-666」となった特徴量を削除する場合にチェックを入れます。
同じ値のサンプル割合が大きい特徴量を削除、サンプル割合の閾値
同じ値を持つサンプルの割合が高い特徴量を削除する場合にチェックし、閾値を入力します。指定した割合以上で同一値となる特徴量が削除されます。
高い相関を持つ特徴量ペアの一方を削除、相関係数の絶対値の閾値
相関係数の絶対値が大きい特徴量の組の一方を削除する際にチェックを入れ、閾値を入力します。
Boruta、パーセンタイル(%)、決定木の数
Boruta で特徴量選択をする際にチェックを入れ、変数重要度のパーセンタイル（基準値）と、ランダムフォレストにおける決定木の数を入力します。
CSV形式の解析結果はresults/前処理_特徴量選択/yyyy-MM-dd_hh-mm-ss/フォルダに自動で格納されます。設定画面の「結果フォルダを開く」をクリックすると、対象のフォルダに移動します。