概要

分子設計・材料設計・プロセス設計分野において、ユーザーのデータセットに最適な機械学習モデルを自動で選定・最適化します。20以上のモデルから、目的変数Yと説明変数Xの関係を学習し、予測性能を評価して最適なモデルを提案します。

操作方法

モデル最適化

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。

各項目を設定し、「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。各モデルの交差検証の結果グラフ、r2, RMSE, MAEの数値を比較し、最適モデルを判断します。

1. 目的変数Y

   予測の対象となる特徴量を選択します。

2. 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。

3. オートスケーリング

   特徴量の平均を0、標準偏差を1に揃えてスケール統一します（通常はチェック推奨）。

4. モデル選択

   比較・検討する機械学習モデルを選択します。

5. CV（交差検証）分割数

   ハイパーパラメータの最適化のためのCV分割数を入力します。

6. トレーニングデータ・テストデータ分割、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。

7. CVPFI

   特徴量の重要度（変数重要度）を計算する場合にチェックを入れます。

8. 繰り返し回数、相関を考慮する際の有意水準

   繰り返し回数 ： PFI計算の試行回数

   相関を考慮する際の有意水準 ： PFI計算時に考慮する変数間の相関の強さ