TMVA を用いた多変量解析方法

次に多変量解析の方法について記す。

A.5.1 入力データ生成

多変量解析に入力するデータは、ディレクトリ(A.6)内で、

./unianalysis4g9 converter for MVAanalysis3

を実行することで生成される。ここで、MVAにはMCシグナルデータ、MCバックグラウンドデータと リアルデータの三種類を同じ形式で用意する必要があるので、その3つを生成しておく。生成されたテキ ストファイルは、MVAに用いる各パラメーターを含んでいる。含まれるパラメーターは、同ディレクトリ

内version notes内に記述してある。このファイルは、MVAを行うディレクトリ

/home/user/yoshikawa/TMVAtest/tmva/root/tmva/UNI/ (A.10)

に移動しておく。ここで、この入力テキストファイルは同ディレクトリ内のtxttotree.cを実行すること でrootファイルに変更する(テキストのままでもMVAを行うことはできるが、root形式の方が扱いやす い)。この時、MCシグナルとMCバックグラウンドのデータは同一ファイル内の別Treeに入れる。

A.5.2 MC データ入力による機械学習 (Train) と Test

まず、MC データを入力することで機械学習とテストを行う。まず、環境設定のためにディレクトリ (A.10)にて

source setup.sh/soft/root/latest/

をした後、同ディレクトリで

root^′TMVAClassification.C(”{METHOD}”)^′

を実行する。ここで{METHOD}には使用したい分類メソッドを入れる。例えば、(”BDT,Likelihood”) とすれば、BDT解析とLikelihood解析が同時に行われる。この実行の際の入力ファイル名は

TMVAClas-sification.C内で指定され、シグナルとして使うTree名、バックグラウンドとして使うTree名もこの中

でそれぞれ指定される。この実行が終了すると、自動的にGUIウィンドウが立ち上がり結果を見ること ができる。このGUIは同ディレクトリ内TMVAGui.Cで動いている。また実行後、同ディレクトリ内に weights/TMVAClassification BDT.class.C等のファイルが出力されており、これが後でリアルデータの MVAにて使用される。

A.5.3 リアルデータの多変量解析

機械学習した結果をリアルデータに適用して解析するには、同ディレクトリにて root^′TMVAClassificationApplication.C(”{METHOD}”)^′

を実行する。入力するリアルデータファイル名はTMVAClassificationApplication.C内で指定する。実行 後、生成されるrootファイルにて各結果が閲覧できる。

謝辞

まず初めに、住吉孝行先生には本研究に携わる機会を与えていただき、またご指導いただきましたこと、

深く感謝いたします。角野秀一先生には、終始ご助言をいただき課題解決に多くのお力添えをいただきまし た。感謝申し上げます。汲田哲郎先生には、たくさんのご指導とアドバイスをいただきました。研究活動 を楽しみながら行うことができたのは、いつでも丁寧に議論してくださった汲田先生によるものと深く感 謝しております。また、千葉雅美先生には常に研究進捗を気にかけていただき、UNI実験について大変多 くのことを教えていただきました。心より感謝申し上げます。浜津良輔先生には特にGeant4シミュレー ションについて非常に多くをご教授いただきました。深く感謝申し上げます。

3年間の研究室生活をともに過ごした研究室同期の柿本さん、小西くん、為近さんは、この三年間を私に とって忘れ得ぬものにしてくれた、素敵な研究室仲間でした。本当にありがとうございました。

最後に、どんな時であっても一番の支えとなってくれた私の家族に、深い感謝の気持ちを表します。あ りがとうございました。