AI創薬 2時限目

有名な溶解度のデータセット（1,000件程度）を使った回帰分析のサンプルを動かしてみる。
溶解度（ようかいど、solubility）は「S」という記号で表される。

これはただの回帰分析なのでdeepchemを使う必要もないのであるが、GraphConvModelを使って試している。
予測値と実測値をプロットする。

■100エポックで学習（50秒程度）

■1,000エポックで学習（7分程度）

いずれも正の相関になっているので、良い予測モデルにはなっていると思う。

ーーーー
作成したモデルは保存しておく。

■モデル保存
model = GraphConvModel(n_tasks=1, batch_size=64, uncertainty=False, mode=’regression’, model_dir=”./model”)
model.fit(train_dataset, nb_epoch=epoch_num)

→　modelディレクトリにチェックポイントファイルが生成される。fitの途中で自動保存される。

■モデルの読み込み
model = GraphConvModel(n_tasks=1, batch_size=64, uncertainty=False, mode=’regression’, model_dir=”./model”)
model.restore()

→　modelディレクトリから最新のチェックポイントファイルを読み込む。

※deepchemはtensorflowベースなので、中身は普通にsaverでのsaveとrestore。