ケモインフォマティクス理論（機械学習編）

ケモインフォマティクス理論（機械学習編）

01はじめに(この本は、製作初期段階です)02ここで学ぶことの流れ 03【9回目】化学データの機械学習とデータ分割、回帰と分類の評価指標 049.0 良いモデル作成のために何が必要なのか 059.1 データ分割(検証と分割方法)069.2 データの評価(回帰)079.3 データの評価(分類)08演習やソフトウェア 09【まとめ】化学データの機械学習とデータ分割、評価（回帰）、評価(分類)10【補足】化学データの機械学習とデータ分割、回帰と分類の評価指標をさらに学ぶためのトピック 11【参考文献】化学データの機械学習とデータ分割、回帰と分類の評価指標について 12【課題】課題化学データの機械学習とデータ分割、回帰と分類の評価指標に関する問題 13【10回目】化学データの機械学習とモデルの種類について 1410.0 モデルの概要 1510.1 線形モデル 1610.2 距離に依存する非線形モデル(距離ベースとサポートベクター)1710.3 非線形モデル(決定木)1810.3 非線形モデル(RFとXGB)19【まとめ】化学データの機会学習とモデルの種類について 20入れられなかった内容 21【参考文献】化学データの機械学習とモデルの種類について 22【課題】化学データの機械学習とモデルの種類についての問題 23【11回目】モデルの解釈、データや記述子を解釈、モデルの適用範囲を推定 2411.0 モデルができた後に考えること 2511.1 次元削減（データや記述子を解釈)2611.2 適用範囲を推定 2711.3 モデルの解釈 2811.3.1 線形回帰の解釈性 2911.3.2 決定木の解釈性 3011.1.3 汎用的な手法(SHAP)31【まとめ】モデルの解釈、データや記述子を解釈、モデルの適用範囲を推定 32【補足】モデルの解釈、データや記述子を解釈、モデルの適用範囲を推定を、さらに学ぶためのトピック 33【参考文献】モデルの解釈、データや記述子を解釈、モデルの適用範囲を推定 34【課題】モデルの解釈、データや記述子を解釈、モデルの適用範囲を推定に関する問題 35【12回目】 QSPRモデルと融点、溶解度、分配係数 3612.0 予測モデルが失敗する理由を考える 3712.1 融点の予測 3812.1 予測が困難になる理由 3912.2 水への溶解度の予測 4012.3 分配係数（水-オクタノール）の予測 41【まとめ】QSPRモデルと融点、溶解度、分配係数 42入れられなかった内容 43【参考文献】QSPRモデルと融点、溶解度、分配係数を学ぶ 44【課題】QSPRモデルと融点、溶解度、分配係数に関する問題 45【13回目】化学構造とスペクトルおよび逆解析 4613.0 スペクトル分析と逆解析の概要 4713.1.1 IRの原理 4813.2.1 NMRの原理 4913.2.2 NMRの予測 50【参考文献】化学構造とスペクトルおよび逆解析 51【課題】化学構造とスペクトルおよび逆解析に関する問題 52【14回目】化学空間と食品科学 5314.0 化学空間と特性空間の探索および活性の崖 5414.1 食品科学に関連するデータベース 5514.1.3 GDB-13における化合物を列挙する方法 5614.2 化学空間の探索と食品科学 5714.2.1　MQN 5814.2.2　SMIfp（SMILESフィンガープリント）による化学空間 5914.3 構造物性相関（SPR）と活性の崖(Activity Cliff)60【まとめ】化学空間と食品科学 61【参考文献】化学空間と食品科学 62【課題】化学空間と食品科学に関する問題 63【15回目】 QSSRモデルと不斉触媒反応と化学記述子 6415.0 不斉触媒反応とQSSR 65【参考文献】QSSRモデルと不斉触媒反応と化学記述子 66【課題】QSSRモデルと不斉触媒反応と化学記述子に関する問題 67【16回目】ケモインフォマティクスの今後と学び方など 68今後の展望と学び方など 6916.1 これまでの復習 7016.2 これからの発展

Chapter 30

11.1.3 汎用的な手法(SHAP)

poclabweb-gotoh

2025.03.11に更新