TabFM(表形式のデータを学習なしで予測する基盤モデル）を使ってMLCCの特性表から静電容量の値を回帰で予測する。

前回は温度特性をやってみたが今回は回帰をやってみよう。特性表から静電容量を抜いたものと静電容量を使ってフィットする。

コードはこちら。

import numpy as np

import pandas as pd

from tabfm import TabFMRegressor

from tabfm import tabfm_v1_0_0_pytorch as tabfm_v1_0_0

model = tabfm_v1_0_0.load(model_type="regression")

# Initialize scikit-learn compatible regressor (works with either backend model)

reg = TabFMRegressor(model=model)

df = pd.read_csv("TDK-MLCC.csv")

x_train = df.query("用途 == '一般グレード'")

y_train = x_train.pop("静電容量／μF")

test_index = [50, 150, 200]

x_test = x_train.iloc[test_index]

x_train.drop(index = test_index, inplace = True)

y_test = y_train.iloc[test_index] # type: ignore

y_train.drop(index = test_index, inplace = True)

# Fit and Predict

reg.fit(x_train, y_train)

predictions = reg.predict(x_test)

print("Predicted Capacitance:", predictions)

print("     True Capacitance:", y_test.to_list())

結果は…

Predicted Capacitance: [2.0990858 7.2877116 6.3794174]
True Capacitance: [2.2, 10.0, 4.7]

あれ？あんまり合ってない…まあ傾向がわかるくらいか。回帰を使うんじゃないのかな（品名見るとすぐわかるのだが、違う方法で推定している？）