主要内容

このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。

分類学習器

教師あり機械学習を使用して,データを分類するようにモデルを学習させる

説明

分類学習器アプリは,モデルにデータ分類を学習させます。このアプリでは,さまざまな分類器を使用する教師あり機械学習を調べることができます。データの調査,特徴量の選択,検証方式の指定,モデルの学習,および結果の評価を行うことができます。自動化された学習を実行して,決定木,判別分析,サポートベクターマシン,ロジスティック回帰,最近傍,単純ベイズ,アンサンブル,ニューラルネットワーク分類など,最適な分類モデルのタイプを探すことができます。

既知の入力データのセット(観測値または例)とデータに対する既知の応答(ラベルまたはクラス)を与えることにより,教師あり機械学習を実行できます。こうしたデータを使用してモデルを学習させると,新しいデータに対する応答の予測を生成できるようになります。モデルに新しいデータを使用したり,プログラムによる分類について学ぶには,モデルをワークスペースにエクスポートするか,学習済みのモデルを再作成するMATLAB®コードを生成します。

ヒント

はじめに,分類器の一覧で,選択されたモデルに学習をさせるため[すべてのクイック学習]を試してください。自動化された分類器の学習を参照してください。

必要な製品

  • MATLAB

  • 统计和机器学习工具箱™

メモ:MATLAB在线™の分類学習器を使用すると,云中心クラスターを使用して並列的にモデルに学習をさせることができます(并行计算工具箱™が必要)。詳細については,MATLAB在线における云中心クラスターとの并行计算工具箱の使用(并行计算工具箱)を参照してください。

分類学習器アプリを開く

  • MATLABツールストリップ:[アプリ]タブの[機械学習]でアプリアイコンをクリックします。

  • MATLABコマンドプロンプト:“classificationLearner“と入力します。

プログラムによる使用

すべて展開する

classificationLearnerは,分類学習器アプリを開きます。既に開いている場合はアプリにフォーカスを移動します。

ResponseVarName classificationLearner(台)は,分類学習器アプリを開いて,表资源描述に格納されているデータを[引数からの新規セッション]ダイアログボックスに入力します。ResponseVarName引数は,クラスラベルが含まれている资源描述内の応答変数の名前で,文字ベクトルまたは字符串スカラーとして指定します。资源描述内の他の変数は予測子変数です。

classificationLearner(资源描述,Y)は,分類学習器アプリを開いて,表资源描述内の予測子変数とベクトルY内のクラスラベルを[引数からの新規セッション]ダイアログボックスに入力します。応答Yは,绝对配列,文字配列,字符串配列,逻辑ベクトル,数値ベクトル,または文字ベクトルの细胞配列として指定できます。

classificationLearner (X, Y)は,分類学習器アプリを開いて,n行p列の予測子行列XとベクトルY内のn個のクラスラベルを[引数からの新規セッション]ダイアログボックスに入力します。Xの各行は1つの観測値に対応し,各列は1つの変数に対応します。Yの長さとXの行数は等しくなければなりません。

classificationLearner (___、名称、值)では,前の構文におけるいずれかの入力引数の組み合わせに加えて,以下の1つ以上の名前と値の引数を使用して交差検証オプションを指定します。たとえば,“KFold”,10を指定すると10分割交差検証方式を使用できます。

  • “CrossVal”は交差検証フラグで,“上”(既定)または“关闭”として指定します。“上”を指定した場合5分割交差検証が使用されます。“关闭”を指定した場合,再代入検証が使用されます。

    名前と値の引数“坚持”または“KFold”を使用すると,“CrossVal”の交差検証の設定をオーバーライドできます。これらの引数は,一度に1つだけ指定できます。

  • “坚持”はホールドアウト検証に使用されるデータの比率で,[0.05,0.5]の範囲の数値スカラーとして指定します。残りのデータは学習に使用されます。

  • “KFold”は交差検証に使用する分割の数で,50[2]の範囲の正の整数として指定します。

R2015aで導入