インフォマティクスの正体は多変量解析で合ってると思う

1か月前にこんな記事を出してた・・・その後もいろいろありましたが・・・

#インフォマティクス の正体はほぼ #多変量解析 でいいのかな？というのが現状の結論です。
#マテリアルズ・インフォマティクス は多変量解析と #計算科学 （特に #非経験的手法 ）を合わせたものが今の主流？

材料の計算（科学）

• 経験的手法

• 半経験的手法

• 非経験的手法

実験データだけで計算するか実験データと理論をハイブリッドさせるか理論だけで計算するか。押し出しとして派手なのは非経験的手法ですが、体感としては上ほど成果が出ていて、現実を回さないといけない立場としては半経験的手法までかな？

多変量解析

1つの変数（例えば x）から目的とする変数（例えば y）を求めるのが単変量解析。2つ以上の変数（x1, x2, x3, ・・・）から目的とする変数を求めるのが多変量解析。xとかx1, x2, x3, ・・・を「 #説明変数 」、yを「 #目的変数 」というのですが、説明変数が複数あるとどの説明変数がどれくらい寄与するのか？x1とx3は同じものを見てない？とか難易度が上がるので考えどころが多いです。

本業以外でも統計データを使って多変量解析してみているが・・・

最大多数が興味持てそうなところでいつか記事にできれば・・・