概要

目標値が既存の学習データから遠い場合には、ベイズ最適化の活用が効果的です。多数の候補の中から目標達成の可能性が高い条件を出力し、予測⇒実験⇒学習のサイクルを繰り返すことで、効率よく目標を達成できます。複数の目的変数にも対応しています。

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（※目的変数Yが複数の場合）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

   予測の対象となる物性・活性・特性等の特徴量を選択します。

2. 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。ここでは学習データと予測データの両方に含まれる特徴量を選択してください。

3. 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。

4. 目標設定

   目的変数Yごとに目標値と使用モデルを設定します。

• Yが単数の場合：以下の獲得関数から1つを選択し、目標値、モデル選択を入力します。

  • PTR：目標範囲内に入る確率
  • PI：学習データの最大値を超える確率
  • EI：最大値更新の期待値
  • MI：予測値＋ばらつき

• Yが複数の場合：ユーザーが作成した目標設定CSVファイルを読み込みます。

  各Yについて以下のいずれかを選択、値を入力します。

  1. 最大化したい
  2. 最小化したい
  3. 目標値に合わせたい（上限・下限入力）

  ※①②はPI、③はPTRを使用

CSV形式の解析結果はresults/MI予測_ベイズ最適化/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。