分子設計・材料設計・プロセス設計分野でのモデルの最適化を行います。機械学習モデルは数多くあり、すべてのデータセットに対しても最良の予測をするベストなモデルが存在するわけではありません。ここでは、様々な特徴をもつ 20 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。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 Y が複数あるときにも対応可能です。
次の「MI予測・回帰分析」や「MI予測・ベイズ最適化」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表示させます。
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。
※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
予測の対象となる物性・活性・特性等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
データセット内にある異なる単位の特徴量や、異なるデータ分布の特徴量のスケールを揃えます。特徴量ごとに、特徴量からその特徴量の平均値を引き、その後に特徴量の標準偏差で割ることで、全ての特徴量の平均値を0、標準偏差を1に揃えます。通常はチェックを入れます。オートスケーリングについては下部技術資料もご参照下さい。
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。
CV（クロスバリデーション：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。DCVでは内側CV分割数に該当します。