TMLCC Machine learning project_RaomePrasartseedang

ถึงจะส่งน้อยแต่ส่งครบนะ! สู้ด้วย!

Inspiration

ทีมของเราได้มีความสนใจในการแข่งขัน TMLCC ซึ่งโจทย์ในปีนี้คือการทำนายความสามารถในการดูดซับก๊าซของ Metal-Organic Frameworks (MOFs)

What it does

Machine learning model ของเราได้นำเครื่องมือ FLAML ที่ใช้ในการทำ hyperparameter tuning เพื่อหาโมเดลและพารามิเตอร์ที่เหมาะสมกับข้อมูล โดยจะนำโมเดลที่ถูกเลือก เช่น LGBMRegressor ในการทำนายค่า surface area ที่เรายังไม่ทราบก่อนเป็นอันดับแรก หลังจากได้ค่า surface area และปรับให้มีแค่ค่าที่มี surface area มากกว่า 0 แล้ว จึงได้เข้าสู่ขั้นตอนในการทำนาย Working Capacity ของ MOF ใน test set ซึ่งมีทั้งหมด 17,000 ตัว ใช้หลักการเดียวกับการทำนาย surface area โดยเรียนรู้จาก descriptor ที่เป็นคุณสมบัติเชิงกายภาพของโครงสร้าง MOF เช่น ปริมาตร พื้นที่ผิว โดยชุดข้อมูลฝึกสอนมีประมาณหกหมื่นกว่าโครงสร้าง

นอกจากนี้ เรายังพลอตกราฟเพื่อดูการกระจายและความสัมพันธ์ของข้อมูล เพื่อที่จะนำมาจัดการกับค่าที่เป็น missing values ด้วย

How we built it

เราใช้ภาษา Python 3 ในการเขียนโปรแกรมทั้งหมด เราใช้ libraries ต่อไปนี้ด้วย

numpy : จัดการ array
pandas : จัดการ data frame และทำความสะอาดชุดข้อมูล
scikit-learn : LGBMRegressor , ExtraTreeEstimator
matplotlib : พลอตกราฟ
flaml: Hyperparameter tuning and select the best model เรายังได้ใช้ Deepnote ในการเทรนโมเดลอีกด้วย ซึ่ง Deepnote คือ data science platform ที่เอาไว้ใช้สำหรับการเขียนโปรแกรมภาษา Python แบบที่เป็น cell ซึ่งเป็น Jupyter-based notebook

Challenges we ran into

สามารถตัดสินใจเลือกแนวทางในการจัดการข้อมูลได้ในเวลาอันสั้น เช่น ตัดสินใจที่จะ predict surface area ก่อน เนื่องจากยังไม่สามารถดึงค่า surface area มาโดยวิธีการอื่นได้

Accomplishments that we're proud of

โมเดลของเราสามารถทำนายค่า Working Capacity ได้อย่างมีประสิทธิภาพในกรอบระยะเวลาที่จำกัด โดยโมเดลที่ดีที่สุดมีค่า error LMAE อยู่ที่ 1.2446496068

What we learned

ได้เรียนรู้และทำความเข้าใจกับ MOFs รวมถึงความรู้ทางเคมีบางส่วนที่เกี่ยวข้อง
ได้รับความรู้เกี่ยวกับการทำ machine learning จากวิทยากร
ได้ฝึกฝนการเขียนโค้ดมากขึ้น เนื่องจากเราต้องปรับโค้ดให้เหมาะกับเครื่องมือที่เลือกใช้ รวมไปถึงการจัดการข้อมูล เช่น การแทนที่ค่าที่เป็น missing values โดยอาศัยจากสิ่งที่วิเคราะห์ออกมาได้
ได้เข้าร่วมการแข่งขัน Data science สำหรับวิทยาศาสตร์ที่จัดขึ้นมาเป็นครั้งแรก

What's next for TMLCC Machine learning project

ทางทีมได้ใช้เวลาที่มีในการเรียนรู้อย่างเต็มที่ ได้ทดลองใช้ภาษา python ในการแก้ปัญหาและการแข่งขันจริงตามที่ตั้งใจไว้ค่ะ ถ้ามีโอกาสก็จะไม่พลาดกิจกรรมดี ๆ ที่ทำให้เราฝึกฝนในสิ่งที่เรียนมาได้อย่างเต็มที่แบบนี้อีกค่ะ