260731
고려 대상
- 모델 정확도 향상
- 다른 처리 방법
5년 소재 데이터 PET(레귤러) -> 과제 선정에 불리 TPA
수리과학연구소
납득하기 어려운 기초적 상식으로 의견을 주장하는 것으로 들림(반면교사)
not Acc. 실패 예측 값으로 회귀 모델을 만들 경우 불리하게 작용할 것 같아서 분류모델을 앞에 붙인 느낌 제조 공정 시 트리 모델은 학습 시 괜찮으나 과적합으로 인해 실측치와 잘 맞지 않음 데이터 자체는 적고, 공정 변수 자체는 많으니 어쩔 수 없지 않나, ANN도 안맞고 PLS나 회귀 위주로
데이터 셋 자체가 적다보니 딥러닝은 힘들고 트리기반으로 진행할 수 밖에 없다고 말씀하심 예측이 힘든 것들을 카타고라이즈 해서 클래스를 만들어 학습 시키는 것도 방법론 중 하나
역방향 모델을 분류 모델로 생성, input의 경우 2개(용융온도, 고유점도) output은 약 3~4개의 값의 범위를 가진 6개 변수
레시피에 맞는 목표 물성이 아닌 값들을 생성해서 2 step inverse model 생성(수리연 특허 진행중) 줄이는 데 용이할지도
여러 레시피가 나올 수 있는데 하나만 선정한다고 함 환경 변수(그날의 온도, 습도 등등으로)가 있어야 예측이 용이한데, 이를 감안하지 않음 x 인자의 연관성이 모델에 반영이 안되어 있을 확률이 높음
유리전이온도의 가 과하게 낮은데(0.48) 이를 이용해서 역방항 모델을 만들었다는 게 의아했음 물론 명확한 축은 없지만 보통 생산 라인에서의 암묵적 허용치는 0.85인데 노이즈가 큰 값인 사회 예측 모델의 경우 0.4라도 설명력이 있다고 보는 편이긴 함, 애초에 클래스를 나눠 생성을 하면 이미 단사 함수를 논하기 힘들지 않나라는 생각이 든다. 차후 찾아볼 것(신뢰도가 떨어질 것 같음)
사실 적어도 10차원 이상의 결과가 나올 수 밖에 없으며 각 input 변수는 상관관계가 있을수도, 없을수도 있고 그 상관성도 절대적이지 않고 정비례하지 않아 단차식 결과가 나오지 않음
경북대학교
- 넣을 땐 excel, csv 둘 다, 나올 땐 csv로 나오는 게 좋음 RNN 계열 하나 물성에 하나 모델 RNN 메서드 쓰면 다중공정성을 제거하는 효과가 있는지 양끝단인가 사잇값인가도 영향을 줌
앞단 데이터 정리