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)
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 MQN5814.2.2 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QSSR65【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 57

14.2.1 MQN

poclabweb-gotoh
poclabweb-gotoh
2025.09.03に更新