化学のための Pythonによるデータ解析・機械学習入門

金子 弘昌

株式会社 オーム社, Oct 21, 2019 - Science - 240 pages

化学・化学工学分野でPythonを使って機械学習を行うための入門書

本書は、化学・化学工学分野でPythonを使って機械学習を行うための入門書です。

これまでに蓄積してきた実験／製造データをデータ解析・機械学習を用いて分析することで、いままでとはまったく別のアプローチで材料開発を加速させたり、プロセス管理を効率化・安定化させたりすることができます。なぜなら、実験や製造データは、目に見えない、研究者・技術者の知識・知見・経験・勘の宝庫だからです。そして、データ解析・機械学習を用いることで、これらを目に見える形にすることができるからです。

読者が一から実践できるよう、Pythonのインストール方法、データ解析・機械学習の基本理論から、材料設計、分子設計、プロセス管理について実際にサンプルプログラムとサンプルデータセットを使った実践までを丁寧に解説しています。

第1部　Pythonと統計の基礎知識

   1章　Pythonの基礎

      1.1　Python の使い方

      1.2　データセットの読み込み・保存

   2章　データの図示

      2.1　ヒストグラム

      2.2　箱ひげ図

      2.3　散布図

      2.4　相関行列

第2部　データ解析・機械学習の基礎

   3章　多変量データとデータの可視化

      3.1　多変量データ

      3.2　データの前処理

      3.3　主成分分析

      3.4　階層的クラスタリング

      3.5　非線形の可視化手法

   4章　化学データを用いたモデリング

      4.1　回帰分析

      4.2　クラス分類

   5章　回帰モデル・クラス分類モデルの適用範囲

      5.1　モデルの適用範囲とは？

      5.2　データ密度

      5.3　アンサンブル学習法

第3部　化学・化学工学データでの実践のしかた

   6章　材料設計・分子設計・医薬品設計

      6.1　材料設計

      6.2　分子設計・医薬品設計

      6.3　化学構造の表現方法

      6.4　化合物群の扱い

      6.5　化学構造の数値化

      6.6　化学構造の生成

      6.7　化合物のデータセットを扱うときの注意点

      6.8　具体的なデータセットを用いた解析

   7章　時系列データの解析

      7.1　化学プラントにおける推定制御・ソフトセンサー

      7.2　時系列データ解析の特徴

      7.3　モデルの劣化と適応型ソフトセンサー

      7.4　データ解析・機械学習による化学プラントのプロセス管理（異常検出・異常診断）

Contents

• 第1部 Pythonと統計の基礎知識: 1
• 第1章 Pythonの基礎: 3
• 12 データセットの読み込み保存: 7
• 第2章データの図示: 11
• 22 箱ひげ図: 13
• 23 散布図: 15
• 24 相関行列: 17
• 第2部データ解析機械学習の基礎: 19
• 第3章多変量データとデータの可視化: 21
• PCA: 24
• 34 階層的クラスタリング: 36
• tdistributed Stochastic Neighbor EmbeddingtSNE: 41
• 第4章化学データを用いたモデリング: 45
• 411 最小二乗法による線形単回帰分析: 46
• 412 最小二乗法による線形重回帰分析: 51
• 413 回帰モデルの推定性能の評価: 55
• 414 オーバーフィッティングoverfitting多重共線性multicollinearity: 58
• PCR: 59
• CVハイパーパラメータhyperparameter: 60
• PLS: 62
• 418 非線形の回帰分析: 67
• SVR: 68
• 42 クラス分類classification: 77
• kNN: 78
• 422 クラス分類モデルの推定性能の評価: 80
• SVM: 83
• DT: 89
• RF: 92
• 第5章回帰モデルクラス分類モデルの適用範囲: 95
• 52 データ密度: 98
• 522 OneClass Support Vector MachineOCSVM: 99
• 53 アンサンブル学習法Ensemble learning: 106
• 第3部化学化学工学データでの実践のしかた: 109
• 第6章材料設計分子設計医薬品設計: 111
• 611 樹脂材料高分子材料: 112
• 612 超伝導体材料: 117
• 613 ベイズ最適化Bayesian Optimization: 125
• 62 分子設計医薬品設計: 126
• 63 化学構造の表現方法: 128
• 631 Simplified Molecular Input Line Entry SystemSMILES: 129
• 632 MOL file: 130
• 64 化合物群の扱い: 132
• 65 化学構造の数値化: 133
• 66 化学構造の生成: 134
• 67 化合物のデータセットを扱うときの注意点: 137
• 68 具体的なデータセットを用いた解析: 138
• 681 沸点: 143
• 682 環境毒性クラス分類: 148
• 683 薬理活性回帰分析: 152
• 684 薬理活性クラス分類: 157
• 685 融点: 161
• 686 水溶解度: 166
• 第7章時系列データの解析: 173
• 72 時系列データ解析の特徴: 183
• 73 モデルの劣化と適応型ソフトセンサーAdaptive Soft Sensor: 185
• 731 蒸留塔における適応型ソフトセンサーの検討: 190
• 732 排煙脱硝装置における適応型ソフトセンサーの検討: 193
• 74 データ解析機械学習による化学プラントのプロセス管理異常検出異常診断: 196
• 741 異常検出モデルの構築および検証: 199
• 742 異常に関係するプロセス変数の診断: 202
• 参考文献: 205
• 索引: 208
• 奥付: 213

Bibliographic information

• Title: 化学のための Pythonによるデータ解析・機械学習入門
• Author: 金子 弘昌
• Publisher: 株式会社 オーム社, 2019
• ISBN: 4274224414, 9784274224416
• Length: 240 pages
• Subjects: Computers / General; Science / Chemistry / General