第1章 ケモ・マテリアル・データサイエンス

第Ⅰ部 プログラミング基礎編

第2章 RStudioの使い方

• 2.1 インストール
• 2.2 RStudioの使い方
  • (a) RStudioの立ち上げ
  • (b) 新規スクリプトの作成
  • © プログラムの作成と実行
  • (d) Rスクリプトの保存

第3章 Rプログラミング入門

• 3.1 はじめに
• 3.2 t検定によるプログラミングの例
  • (a) プログラムに直接データを組み込む
  • (b) ファイルから読み込む1
  • © ファイルから読み込む2
• 3.3 ファイルの入出力
• 3.4 typeof()とclass()

第4章 データ構造

• 4.1 ベクトル
  • (a) ベクトルの定義
  • (b) ベクトルの長さ、並べ替えなど
  • © 集合にかかわる演算
• 4.2 リスト
  • (a) リストの定義
  • (b) 空リストの作り方とリストの名前、要素の名前のつけ方、呼び出し方
• 4.3 行列
  • (a) 行列の定義
  • (b) 行列の行と列に名前をつける
  • © 空行列を作成する
  • (d) データ解析で役に立つデータ成型法
    • (d1) NA (欠落値) を含む行を削除する
    • (d2) NA (欠落値) を含む列を削除する
    • (d3) 同一の要素からなる行の重複を削除する
• 4.4 apply()系関数
  • (a) apply関数の使い方
  • (b) 同一の値のみからなる行、あるいは列を削除したい。
  • © 行ごとにパーセントに変換する
  • (d) tapply()関数によるデータの分

第Ⅱ部 データマイニング入門

第5章 統計検定

• 5.1 統計検定とは
• 5.2 正規分布との適合性
• 5.3 パラメトリック統計学
  • 5.3.1 2群の平均値の差の検定
    • (a) t検定 (Welch検定を含む)
    • (b) t.test()
    • (b1) 1群の検定
      • (b2) 対応がない2群の平均値の差の検定
      • (b3) 対応がある2群の平均値の差の検定
    • © ボックスプロット
  • 5.3.2 分割表の統計学
    • (a) 統計学でいう複数の因子が独立とは
    • (b) χ2独立性の検定
  • 5.3.3 分散分析
    • (a) 2群のグループの等分散性の検定
    • (b) 一元配置の分散分析 (one-way analysis of variance、one-way ANOVA)
    • © 多群の検定 (Turkey-Kramer検定)
    • (d) 確率プロット
    • (e) 分散分析:二元配置
• 5.4 ノンパラメトリック検定法
  • 5.4.1 2群の順位の検定
    • (a) Wilcoxon符号つき順位和検定:対応がある2群の検定
    • (b) ウイルコクソン順位和検定 (対応がとれない場合の順位検定)
    • © Fisher’s Exact Test (Fisherの直接確率計算法)
    • (d) 1要因のクロス集計
    • (e) 正規分布を用いた符号検定
• まとめ
• 1群の差の検定
• 2群の差の検定 (独立2群) の場合
• クロス集計
• 1要因のクロス集計
• 2要因のクロス集計

第6章 行列データを作ろう

• 6.1 はじめに
• 6.2 正規化テーブルの作り方
  • (a) reshapeパッケージの活用
  • (b) reshape2パッケージの活用
• 6.3 部分行列の取得法
  • (a) 行列[c (xxx) ,c (yyy) ]あるいは行列[-c (xxx) ,-c (yyy) ]として部分行列を定義する
  • (b) 同一の数値のみから構成される列を削除する
  • © 行の削除
• まとめ

第7章 教師なし学習:多変量データの視覚化、クラスター分析など

• 7.1 はじめに
• 7.2 相関係数
  • (a) ピアソン相関係数
  • (b) スピアマン相関係数
  • © ケンドール相関係数
  • (d) 相関係数の検定
  • (e) 多様なpairs()を活用した関数群
  • (f) pairs()では視覚化できない多くの変数間の相関を列挙する
• 7.3 データ行列、相関行列、距離行列、スケーリング
  • (a) スケーリング
  • (b) 対数変換
• 7.4 欠損値 (欠落値) の対応
  • (a) 距離行列
• 7.5 多次元尺度構成法、主成分分析
  • (a) 多次元尺度構成法
  • (b) 主成分分析
• 7.6 自己組織化マップ:Self-Organizing Mapping (SOM)
• 7.7 クラスター分析法
  • (a) 階層法 (凝集法)
    • (a1) 最小距離法
    • (a2) 重心距離法
  • (b) 2次元クラスタリング
  • © 分割法
    • (c1) K平均
    • (c2) ギャップ統計量
• まとめ

第8章 多変量回帰モデル

• 8.1 はじめに
• 8.2 重回帰分析
  • (a) 10種競技データ
  • (b) 重回帰分析
  • © 線形回帰モデルの妥当性の評価法
  • (d) 重回帰モデルの係数bの求め方
  • (e) 多重共線性
• 8.3 PLS:部分最小二乗法
  • (a) PLS回帰モデル
  • (b) 重回帰モデルとPLSモデルのどちらを選ぶべきか?
• 8.4 スパースモデリング
  • (a) リッジ解析
  • (b) ラッソ解析

第9章 機械学習

• 9.1 はじめに
• 9.2 教師あり学習
• 9.3 データセット
• 9.4 caretパッケージ
  • (a) caretパッケージとは
  • (b) インストール
  • © caretマニュアル
• 9.5 アヤメデータの教師なし学習
• 9.6 アヤメデータの教師あり学習
  • (a) 線形判別分析
  • (b) 2次判別関数法 (mmetod=’qda’)
  • © k最近隣法 (kNN法)
  • (d) NaiveBayes法
  • (e) 決定木 (Decion Tree)
  • (f) ニューラルネットワーク
  • (g) カーネルサポートベクトルマシーン
  • (h) アンサンブル学習:バギング, ランダムダムフォーレスト、ブースティング
• 9.7 アヤメデータ解析のまとめ
• まとめ

第10章 化学構造処理

• 10.1 はじめに
• 10.2 化学構造のデジタル処理
• 10.3 SMILES
• 10.4 rcdkパッケージ
• 10.5 rcdk
  • 10.5.1 SMILESから化合物構造の描画1
    • (a) SMILESから化学構造を描画する
    • (b) SMILESから化学構造を描画する2
  • 10.5.2 モルファイルからSMILESへの変換
    • (a) 多数のモルファイルをSMILESに変換し、表データをマージする
  • 10.5.3 SMILESによる物性値の推算
    • (a) 種々の分子特性を計算しよう! (RcdkSmilesToMP01.R)
    • (b) 分子記述子
    • © 分子フィンガープリント
• まとめ

第3部 科学データによるデータサイエンス実践

第11章 データサイエンスによる化学・マテリアル化学の課題解決の実践

• 11.1 はじめに
• 11.2 プラスチックパーツの引張強度
• 11.3 ホモポリマーの物性相関
  • (a) 2Dクラスター分析
  • (b) モノマーの分子記述子のよるポリマーの物性予測のための回帰モデルの開発
• 11.4 L-Aspartyl Dipeptidesの苦味と甘味の分子記述子による識別
• 11.5 農薬添加回収率のケモインフォマティクス
  • (a) 説明変数と目的変数の相関解析
  • (b) 説明変数と目的変数の相関データを視覚化する
  • © グラフから次の作業を考える
  • (d) 多変量回帰モデルを作成する
  • (e) 回帰モデルを選択する

第12章 おわりに:さらなる展開

• 謝辞
• 付録1:caretパッケージの方法とmethodの定義