機械学習

マテリアルズインフォマティクスの学習・実践に有用であった書籍について紹介します。 本記事の読者としては、マテリアルズインフォマティクスを推進していない組織に属し、分子デザインというよりは実験計画を必要としている電池や塗料、ゴムなどといった類の技術者を想定しています。

以下の本を読んでガウス過程回帰について勉強したので、実際にpythonで実装してみました。 1変数 sklearnでいうところの、RBFカーネル＋Whiteカーネル（観測ノイズ）をkernelクラスとして記述しています...

多次元データの次元を削減して可視化するumapの実行結果を、jupyter lab上にインタラクティブな図として表示させる方法の紹介です。

不均衡データの回帰問題への対処法としてアンダーサンプリングやオーバーサンプリングがあります。これらが可能なpythonパッケージであるsmognの紹介です。