操作方法（関数同定問題 - Symbolic Regression）

関数同定問題は、遺伝的アルゴリズムを使用してデータから数式を自動的に導出する作業を支援します。また、時間遅延のある時間依存の動的関数に対して関数同定問題を用いることもできます。

関数同定問題（symbolic regression）を実行するワークフローは、以下のようないくつかのステップに分かれます。

  1. データの取得：
    システムを的確に表すデータを取得します。データセットのサイズとしては、トレーニングデータ、検証データ、テストデータに適切に分割できる量が必要です。
  2. データの調整とインポート：
    データには以下の条件が満たされている必要があります。
    • 正しさ：すべての値が有意のものであり、NaN（非数）や、計測機器の不具合などに起因する不正な値が含まれないこと
    • ラベル：すべての値にラベル（測定変数名）と単位が定義されていること
    • 分割可能：データセットをトレーニング用、検証用、テスト用に分割できること。すべてのデータが統計的な意味で代表的なものであること。
      上記の要件に従ってデータを調整し、インポートを実行します。
  3.  アルゴリズムの設定：
    1. ファンクションステップの Symbolic Regression ボタンをクリックして、アルゴリズム設定を開始します。
    2. Target フィールドに目標量を設定し、使用する入力量を Available Inputs フィールドから Selected Inputs リストに移動して、回帰問題を定義します。
    3. Optimization Configuration の各フィールドで、アルゴリズムの詳細を設定します。「アルゴリズムの詳細」を参照してください。
    4. Selected Alphabet 領域のボタンで、使用したい関数や演算子のタイプを選択します。
  4. アルゴリズムの実行：
    "Symbolic Regression"ウィンドウの OK をクリックしてアルゴリズムの実行を開始します。ログウィンドウの下のステータスバー内の Stop をクリックすると、実行を停止することができます。ログウィンドウ内のコマンド行には、現在の反復ステップで見つかった最適なモデル用に選択されているフィットネスメソッドの値が表示されます。
  5. モデルの選択：
    アルゴリズムが完了すると、ASCMO-MOCAのウィンドウが開いてパレートフロントが表示されます。パレートフロントはパレート集合に含まれるモデルで構成されます。パレート集合はFitness Method（Y軸）とComplexity（X軸）の空間で定義されます。丸いシンボルをクリックしてモデルを選択します。選択されているフィットネスメソッドの値がその近くに表示されます。さらにASCMO-MOCAは、ファンクションステップで選択したモデルを提供します。

  6. 統計的解析：Analysis → Residual Analysis で、選択されているモデルのパフォーマンスを統計的に評価します。残差分析を参照してください。

  7. 構造的解析と意味的解析：
    ファンクションステップとパラメータステップでは、それぞれ構造レベルと意味レベルでモデルを分析して解釈できます。ファンクションステップではモデル内部を確認することができます。
    パラメータステップでは、選択されているモデルで使用されるすべてのパラメータとマップを詳細に検査することが可能です。

  8. 構造の調整と最適化の再実行：
    ASCMO-MOCAでは、ファンクションに説明されている内容に従い、モデル構造をシームレスに調整することができます。終了後は、この構造の再最適化を実行することができます。最適化を参照してください。