クイックスタート

始めるには インストールガイド をご確認ください。

ヒント

ケモメトリクスは初めてですか？ ステップバイステップの チュートリアルページ で学習できます。

ヒント

手元のツールを探索したいですか？ 探索の概要 をご覧ください。

データの読み込み

これは、発酵プロセスからの中赤外スペクトルの訓練セット（X_train）と関連する参照値（y_train）を読み込みます。

from chemotools.datasets import load_fermentation_train

X_train, y_train = load_fermentation_train()

ヒント

利用可能なデータセットをお探しですか？ データセットカタログ をご覧ください。

スペクトルの前処理

訓練データに前処理ステップを読み込み、定義し、適用します。ここでは、Savitzky-Golayフィルターを使用して、サンプルスペクトルの1次導関数を計算します。

from chemotools.derivate import SavitzkyGolay

# Configure the preprocessing step
sg = SavitzkyGolay(window_size=3, polynomial_order=1, derivate_order=1)

# Fit and transform the training data
X_train_preprocessed = sg.fit_transform(X_train)

ヒント

前処理手法についてもっと知りたいですか？ 手法インデックス をお読みください。

パイプラインの構築

前処理とモデリングのステップを1つのパイプラインに統合します。

from chemotools.derivate import SavitzkyGolay
from sklearn.cross_decomposition import PLSRegression
from sklearn.pipeline import make_pipeline

# Define the pipeline
pipeline = make_pipeline(
    SavitzkyGolay(window_size=3, polynomial_order=1, derivate_order=1),
    PLSRegression(n_components=2)
)

# Fit the pipeline to the training data
pipeline.fit(X_train, y_train)

# Prediction on the training data
y_train_pred = pipeline.predict(X_train)

ヒント

パイプラインについてもっと知りたいですか？ パイプラインの記事 をご覧ください。

ヒント

モデルの最適化について興味がありますか？ 最適化ガイド をお読みください。

おめでとうございます！ Pythonで最初の chemotools ワークフローを構築しました 🎯