[解析事例] 機械学習によるχパラメータの推定

J-OCTA機械学習機能（MI-Suite）を使用して χ パラメータの推定を行いました。使用したデータは Flory-Huggins Chi Database から取得しました。取得したデータは2つの化合物 A、B の名称とそれら化合物間の χ パラメータの値です。データ件数は 263件でした。χ パラメータの学習／予測の手順は以下のとおりです。

【 χ パラメータの学習／予測の手順 】

1. 1. 各化合物のSMILES表現をパブリックな化合物データベースである PubChem から取得しました。
   取得にあたっては MI-Suite のデータ取得機能である DB-Explorer を使用しました。A、B 双方の SMILES 表現が取得できた化合物対（169件）だけを使用しました。
2. 2. 記述子計算機能ChemDCを用いて各化合物の記述子（AutoCorr3D）の値を計算しました。
3. 3. 元データの化合物対の記述に従い記述子の計算値を混合させ1つの特徴量としました。
   混合の方式は記述子（AutoCorr3D）が空間的自己相関量と見做せることから、計量地理学で使用される混合方式を使用しました。
4. 4. 混合した計算値（特徴量）を入力値、各化合物対のχパラメータを目的値として学習を行いました。
   学習時の設定は以下のとおりです。
   
   • ・MI-Suite の学習機能でサポートされている学習方式のうち、ブースティングベースの学習方式であるXGBoost を使用。XGBoost のハイパーパラメータの設定は GP（ガウス過程）に基づいた最適パラメータ設定
   • ・90パーセンタイル点（両側）でアウトライヤー除去を行う
   • ・学習時の訓練セット、テストセットのデータ比率は 8:2 とする

以下に学習の結果を示します。
学習によって得られた予測モデル（学習済みモデル）に対して訓練セットを使用した場合の予測精度は決定係数ベースで R^2=0.937、テストセットを使用した場合の予測精度は R^2=0.778 となりました。