| 研究課題/領域番号 |
25460035
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
物理系薬学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
高木 達也 大阪大学, 薬学研究科, 教授 (80144517)
|
|---|
| 研究分担者 |
川下 理日人 大阪大学, 薬学研究科, 助教 (00423111)
岡本 晃典 北陸大学, 薬学部, 講師 (70437309)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2017-03-31
|
| 研究課題ステータス |
完了 (2016年度)
|
| 配分額 *注記 |
5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2015年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2014年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2013年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | Chance Correlation / L1 Regularization / L2 Regularization / Ridge Regression / Elastic Net / Hydrolyzability / Classification / Data Mining / 正則化 / 加水分解 / 環境化学 / ロジスティック回帰 / 回帰分析 / 判別分析 / 偶然の相関 / 加水分解性予測 / 説明変数 / 医薬学統計 / 主成分分析 / 主成分回帰 / PLS / バリマックス変換 / PCLS |
|---|
| 研究成果の概要 |
回帰分析等の教師あり学習で必ず遭遇する、偶然の相関を排除するため、MDS等の分類手法により偶然の相関を見破り、排除後、回帰を行った。この私たちの手法は、人工的に偶然の相関を有するように作成された複雑な構造のデータに対し、良好な結果を与えた。
しかし、実際に遭遇するやや単純な構造のデータ、例えば加水分解速度では、L1正則化とL2正則化をの組み合わせ手法により、偶然の相関は、十分に見破ることができることが分かった（エステル類に限るとほぼ90％の予測率）。
結論として、複雑な構造のデータでは分類手法の組み合わせ手法が、単純な構造のデータではL1、L2正則化の組み合わせ手法が良好な結果を与える。
|
