【Python】内挿・外挿の判定
自分がよく用いる特徴量削減手法まとめ
特徴量削減手法について、大体何かしらを漏らしてしまうことが多いので、一覧をメモ。
基本的に
- Filter法で大まかに削る
- Wrapper法もしくはEmbedded法によって削減する
- 線形のモデルを用いるべきか非線形を用いるべきか
と言った流れで行うことが多い。
【Python】モンテカルロ法でネイピア数eを推算してみた
以前、モンテカルロ法により円周率を推算する方法を調べて、実装した。
https://note.yu9824.com/study/monte-carlo-simulation-pi/
このとき、よく知られた無理数の定数のうちの一つであるネイピア数$e$はどうなんだろうと思った。
調べてみると結構面白かったので、簡単な証明を自分でしつつ、メモする。
【Python】モンテカルロ法で円周率を推算してみた
マテリアルズインフォマティクスに関わっていると、MDなど、計算科学的シミュレーションに関する話を聞くことも多い。
このとき、しばしばモンテカルロ法という言葉を聞いた。しかし、自分は実験系の出身で計算科学の知識に乏しく、手法のイメージがつかなかった。
これについて調べてみたところとても面白く、概念としてはわかりやすものだったので、ここに記しておく。
optunaで多目的最適化
ある材料の物性を予測して最適化したい場合、物性を一つだけ予測して済むケースは少ない。
たとえば簡単な例では、ある性能を高めたいけれど、値段が高くてはお客様に買ってもらえないので、価格を抑えたいケースを考える。このとき、価格とその材料の性能の二種類の最適化したい対象が存在し、両方ができる限り最適になるようにしていく、いわば、パレート解の探索を行う。
ここでは、ハイパーパラメータの探索などに用いられるブラックボックス最適化ライブラリoptunaで多目的最適化を行い、パレート解を列挙する方法や、それを図示する方法について記す。
