Chemija · Pamoka

Struktūros ir savybių modeliai, mašininis mokymasis ir taikymo ribos

Vertinkite išgalvotas prognozes pagal aiškias prognozuojamo dydžio apibrėžtis, mokymo ribas, kilmės grupes ir baigtinę aprėptį.

Grįžti į chemijos planą

Baigę pamoką, galėsite

Apskaičiuoti poslinkį, MAE ir RMSE pagal nurodytą liekanos ženklo susitarimą.
Nustatyti induktyviosios pirminio apdorojimo transformacijos parametrus naudojant mokymo informaciją.
Atskirti bendros kilmės grupes pagal numatytą prognozavimo užduotį.
Atskirti baigtinę stebėtą aprėptį nuo nepriklausomai patvirtinto kalibravimo.

Struktūros ir savybių modeliui reikia apibrėžto prognozuojamo dydžio

Modelis susieja pasirinktus molekulių ar medžiagų požymius su nurodyta savybe apibrėžtame duomenų rinkinyje. Prognozuojamo dydžio vienetai, matavimo kontekstas ir cheminė tapatybė yra užduoties dalis. Požymiams ir tikslinėms vertėms būtinas nuoseklus paruošimas ir duomenų kilmė.

Struktūrinis deskriptorius gali praleisti savybei svarbią informaciją. Patogus atvaizdas ar stipri sąsaja automatiškai nesuteikia priežastinio cheminio paaiškinimo.

Vertinimas prasideda nuo apibrėžto tikslo ir fiksuotos transformacijos

Cheminiam prognozuojamam dydžiui reikia nurodyti dydį, dalelės ar medžiagos būseną, vienetus ir sąlygas. Skaitinė vertė, pavadinta energija, gali reikšti elektroninę energiją, konkrečios reakcijos energiją arba laisvąją energiją. Toliau pateiktuose išgalvotuose pernašos laisvosios energijos pavyzdžiuose prieš lyginant liekanas nurodomi tie patys tirpikliai, temperatūra ir susitarimas.

Poslinkis su ženklu matuoja vidutinę kryptį; MAE ir RMSE matuoja skirtingus dydžio aspektus. Mažas poslinkis gali slėpti dideles priešingų ženklų paklaidas. Keturių įrašų aritmetika aprašo tuos įrašus, o ne patvirtina veikimą platesnėje cheminių objektų populiacijoje.

Nurodytame induktyviojo požymio pavyzdyje vidurkį ir mastelį nustatykite iš mokymo verčių, tada užklausai taikykite nepakeistą transformaciją. Leidžiant užklausai pakeisti nustatytą mastelį, pasikeičia tai, kokia informacija buvo atidėta vertinimui. Aiškiai apibrėžtuose transduktyviuose planuose galimos kitos taisyklės, bet būtina nurodyti numatomą vertinimo klausimą.

Skaičiuojant poslinkį priešingi ženklai iš dalies kompensuojasi

Simbolinė dalelė	Atskaitos vertė / kJ mol⁻¹	Prognozė / kJ mol⁻¹	Liekana / kJ mol⁻¹
A	−12	−10	+2
B	−4	−7	−3
C	6	10	+4
D	14	13	−1

Originalus keturių dalelių pernašos laisvosios energijos vertinimas nurodytomis bendromis sąlygomis. Kiekviena liekana yra prognozė minus atskaitos vertė. Šiose išgalvotose eilutėse nėra tikrų junginių matavimų.

Nepriklausomame vertinime reikia vengti informacijos nutekėjimo

Mokymo duomenys lemia pritaikytus parametrus ir išmoktą pirminį apdorojimą. Vertinimo duomenys tikrina gautą prognozę esant apibrėžtam atskyrimui nuo mokymo duomenų. Susijusios struktūros, kartotiniai matavimai ir bendri eksperimentiniai vienetai gali pažeisti nepriklausomumą, jei neatsargiai paskirstomi tarp rinkinių.

Transformacijų parametrus nustatykite naudodami užduočiai tinkamą mokymo informaciją. Atidėta tikslinė vertė, panaudota nuostatoms pasirinkti, nebėra visiškai nepriklausomas galutinis testas. Padalijimas turi atitikti numatomą būsimą prognozavimą, o ne vien atrodyti atsitiktinis.

Atidėtas vienetas turi atitikti numatytą naudojimą

Iš vieno kilmės vieneto gautos eilutės gali turėti bendros informacijos. Dalijant eilutėmis, susijusi informacija gali patekti į abi puses, nors atrodo, kad testavimo rinkinys atskirtas. Atidėjus ištisas kilmės grupes atsakoma į reiklesnį prognozavimo naujai kilmei klausimą. Papildomoms cheminėms, struktūrinėms ar laikinėms priklausomybėms reikia atskirų patikrų.

Prognozės intervalams taip pat reikia nurodyto prognozuojamo dydžio ir vertinimo pagrindo. Suskaičiuokite, kiek atidėtų atskaitos verčių patenka į apibrėžtus intervalus, išlaikydami galinių taškų ir liekanos ženklo susitarimus. Aštuoni įrašai duoda aprašomąją dalį; jie negali garantuoti skelbiamos ilgalaikės aprėpties.

Jei plotis pakeičiamas naudojant testo liekanas, šie įrašai jau prisidėjo prie sprendimo. Užfiksuokite pakeitimą ir ieškokite tinkamų naujų nepriklausomų jo veikimo įrodymų. Vienas sunkiųjų atomų deskriptorius, patogus rodiklis ar nominalus procentas nenustato visuotinės taikymo srities.

Prognozės paklaida priklauso jos vertinimo populiacijai

Liekanų poslinkis ir sklaida aprašo skirtingus paklaidos aspektus. Prieš skaičiuodami rodiklį apibrėžkite liekanos ženklą ir vidurkinimo susitarimą. Skirtingi rodikliai gali pabrėžti skirtingas klaidas ar mastelius.

Geras vidutinis rezultatas gali slėpti dideles pogrupio ar naujos cheminės srities paklaidas. Taikymo sritis nurodo sąlygas, kuriomis veikimo įrodymai pagrindžia naudojimą; jos negarantuoja vien tai, kad modelis grąžina skaičių.

Modelio neapibrėžčiai reikia kalibravimo ir konteksto

Neapibrėžties įvertis pagal savo metodą gali aprašyti pasirinktą kintamumą ar modelio ribotumus. Patikrinkite, ar jis informatyvus atitinkamais nepriklausomais atvejais. Siauras intervalas vis tiek gali klaidinti, kai sistema nepatenka į atvaizduotą diapazoną arba duomenys šališki.

Toliau pateikti originalūs modeliavimo pavyzdžiai demonstruoja samprotavimą apie padalijimą, paklaidą ir ribas. Jie nepatvirtina naujos cheminių prognozių paslaugos ir neleidžia iš sintetinio duomenų rinkinio spręsti medicininių, aplinkosaugos ar pirkimo klausimų.

Išnagrinėti pavyzdžiai

Poslinkis su ženklu gali slėpti priešingas paklaidas

Keturioms skirtingoms simbolinėms dalelėms priskirkite atskaitos pernašos laisvąsias energijas [−12,−4,6,14] ir prognozes [−10,−7,10,13] kJ mol⁻¹ tarp tų pačių sutartų tirpiklių esant 300.0 K pagal bendrą standartinį susitarimą. Tai išgalvotas nepriklausomas vertinimo rinkinys. Liekaną apibrėžkite kaip prognozės ir atskaitos vertės skirtumą.

Liekanos yra [2,−3,4,−1] kJ mol⁻¹. Jų vidurkis su ženklais, poslinkis, yra (2−3+4−1)/4=0.500 kJ mol⁻¹.
Vidutinė absoliučioji paklaida yra (2+3+4+1)/4=2.50 kJ mol⁻¹. Šaknis iš vidutinės kvadratinės paklaidos yra √[(4+9+16+1)/4]=2.73861279 kJ mol⁻¹.
Vidurkis su ženklais mažesnis, nes priešingi ženklai iš dalies kompensuojasi. Nė vienas rodiklis nenustato veikimo už šių keturių priskirtų atvejų ribų; nepateikta tikrų solvatacijos verčių ar išmokyto modelio.

Poslinkis 0.500, MAE 2.50 ir RMSE 2.73861279 kJ mol⁻¹ atsako į skirtingus klausimus.

Nustatykite transformaciją iš mokymo informacijos

Nurodytam induktyviajam vertinimui naudokite keturių hipotetinių mokymo dalelių sunkiųjų atomų skaičius [4,6,8,10]. Pirminio apdorojimo vidurkį ir standartinį nuokrypį apibrėžkite naudodami populiacijos daliklį n. Įvertinkite naują skaičių 18. Kas pasikeičia, jei ši vertinimo įvestis įtraukiama nustatant mastelį?

Mokymo vidurkis yra septyni; mokymo dispersija yra [(4−7)²+(6−7)²+(8−7)²+(10−7)²]/4=5. Nurodytas mastelis yra √5=2.23606798, o ne nešališkas imties dispersijos įvertis.
Taisyklinga užklausos vertė z=(18−7)/√5=4.91934955. Jei transformacija nustatoma iš visų penkių verčių, vidurkis tampa 9.20, mastelis 4.83321839, o užklausos z=1.82073295.
Mažesnis tariamas atstumas atsiranda leidus vertinimo informacijai pakeisti transformaciją. Vien sunkiųjų atomų skaičius neapibrėžia cheminės tapatybės ar patvirtintos taikymo srities. Nėra tikslinių verčių ar pritaikyto prognozavimo modelio.

Naudojant tik mokymo duomenis, užklausos z yra 4.91934955; įtraukus užklausą nustatant transformaciją, vertė pasikeičia į 1.82073295.

Atidėkite prognozavimo klausimui svarbią kilmę

Sukurkite išgalvotas grupes A:[A1,A2,A3], B:[B1,B2], C:[C1,C2,C3], D:[D1,D2]. Kiekvienos raidės eilutės turi vieną bendrą kilmės eksperimentinį vienetą. Padalijime mokomasi iš A1,A2,B1,C1,C2,D1, o testuojama su A3,B2,C3,D2. Ar taip tikrinamos prognozės visiškai nematytoms kilmės grupėms?

Yra šešios mokymo eilutės ir keturios testo eilutės, tačiau kiekviena testo eilutė turi bendrą kilmės grupę su mokymo duomenimis. Bendros grupės yra A,B,C,D.
Numatytam prognozavimo naujoms grupėms klausimui alternatyva yra mokytis iš visų A/B eilučių ir testuoti su visomis C/D eilutėmis: po penkias eilutes, be bendros kilmės grupės.
Kilmės atskyrimas sprendžia nurodytą bendrų vienetų informacijos nutekėjimą. Struktūriniams giminaičiams, laikui, cheminei būsenai ar kitoms priklausomybėms gali reikėti papildomo padalijimo planavimo. Vien eilučių skaičiai nenustato prognozavimo kokybės.

Pirmasis padalijimas turi visas keturias bendras kilmes; A/B ir C/D padalijimas atideda ištisas kilmės grupes.

Stebėta aprėptis yra baigtinis aprašomasis rezultatas

Aštuonios išgalvotos nepriklausomo vertinimo liekanos yra [−0.8,0.4,0.9,−1.1,1.4,−1.9,0.6,2.3] kJ mol⁻¹. Simetrinių prognozės intervalų pusplotis yra 1.50 kJ mol⁻¹ ir jie apima savo galinius taškus. Jie skelbti su nominaliąja dalimi 0.900. Raskite stebėtą aprėptį.

Įrašas aprėptas, kai |prediction−reference|≤1.50 kJ mol⁻¹. Šeši iš aštuonių atitinka šią taisyklę; −1.9 ir +2.3 neatitinka.
Aprašomoji aprėptis yra 6/8=0.750. Ši baigtinė dalis negarantuoja būsimos aprėpties ir savaime nesuteikia imties intervalo ar formaliojo skelbiamos dalies atmetimo testo.
Pasirinkus platesnį intervalą po šių įrašų peržiūros panaudojama jų informacija. Šiam užfiksuotam pasirinkimui reikia tinkamo naujo nepriklausomo vertinimo, kad būtų gauti galutiniai kalibravimo įrodymai.

Aprėpti šeši iš aštuonių įrašų: stebėta dalis 0.750.

Pabandykite patys

Prie visų keturių prognozių pridėkite +2.0 kJ/mol. Perskaičiuokite poslinkį, MAE ir RMSE.
Rodyti atsakymą ir paaiškinimą
Liekanos [4,−1,6,1]; poslinkis 2.50, MAE 3.00 ir RMSE 3.67423461 kJ mol⁻¹.
Vienodas priedas pakeičia liekanas su ženklais ir jų modulius; šie trys rodikliai nėra tarpusavyje pakeičiami.
Naudokite testo skaičių 14 vietoj 18 su tomis pačiomis keturiomis mokymo vertėmis. Raskite taisyklingą z ir informacijos nutekėjimo paveiktą visų penkių verčių z.
Rodyti atsakymą ir paaiškinimą
Naudojant tik mokymo duomenis z=3.13049517; nustačius transformaciją pagal visas penkias vertes gaunamas vidurkis 8.40, mastelis 3.44093011 ir užklausos z=1.62746694.
Vidurkį ir mastelį nustatykite iš mokymo informacijos; naują skaičių įvertinkite naudodami šią fiksuotą transformaciją.
Atidėkite tik grupę D ir mokykitės iš A, B, C. Suskaičiuokite mokymo bei testo eilutes ir bendras kilmės grupes.
Rodyti atsakymą ir paaiškinimą
Aštuonios mokymo eilutės, dvi testo eilutės ir jokių bendrų kilmės grupių.
Grupavimas pakeičia ir eilučių skaičius, ir prognozavimo klausimą; nematytos grupės eilučių mokymo rinkinyje nėra.
Peržiūrėję tas pačias aštuonias liekanas padidinkite pusplotį iki 2.00 kJ/mol. Raskite aprašomąją aprėptį ir nurodykite, kokio papildomo nepriklausomo testo reikia.
Rodyti atsakymą ir paaiškinimą
Aprėpti septyni iš aštuonių, dalis 0.875; užfiksuotą platesnį intervalą testuokite su tinkamais naujais nepriklausomais duomenimis.
Septyni įrašai patenka į platesnį intervalą, bet pakartotinis peržiūrėto rinkinio naudojimas nepriklausomai nepatvirtina skelbiamos aprėpties.

Ką verta įsidėmėti

Prieš interpretuodami skaitinį rodiklį apibrėžkite cheminį prognozuojamą dydį.
Poslinkis, absoliučioji paklaida ir kvadratinė paklaida apibendrina skirtingas savybes.
Atidėkite informaciją ir kilmės vienetus, svarbius numatytai prognozavimo užduočiai.
Pagal testo duomenis pasirinktam intervalui reikia naujų nepriklausomų kalibravimo įrodymų.

Šaltiniai

Mokomoji medžiaga ir žinynai, kuriais remiasi pamokos paaiškinimai ir pavyzdžiai.