概要

モデル最適化後、説明変数Xから目的変数Yを予測します。目標とするYに対応するX（実験条件や構造）を知りたい場合は、仮想サンプルに対してYを予測し、良好な結果を出すXを選択します。予測の信頼性はAD（適用範囲）で評価され、Yが複数ある場合にも対応可能です。

操作方法

データファイル読み込みFileの「Browse」より、学習データ・予測データ・目標設定データをそれぞれ表示させます。

各項目を設定し、「作成」をクリックすると、予測データに対し目的変数Yの予測値が表示されます。

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. 目標設定ファイル読み込み

   ユーザーが作成した目標設定データを読み込みます。

5. CV（交差検証）分割数

   ハイパーパラメータ最適化のためのCV分割数を入力します。

6. AD（モデルの適用範囲）設定

   AD手法は k-NN、LOF、OCSVM（ガウシアンカーネル）から選択し、トレーニングデータのAD内割合（%）と下記手法のハイパーパラメータを設定します。

   • k-NN・LOF：k の値
   • OCSVM：ν、γ（γはAuto設定で自動最適化）

7. 詳細指定（任意）

   各モデルのハイパーパラメータを指定する際に入力します。

CSV形式の解析結果はresults/MI予測_回帰分析/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。