predict

分类モデルのアンサンブルを使用して観測値を分類

このページを展开する

構文

标签=预测（MDL，x）

labels = predict(Mdl,X,Name,Value)

[labels,scores] = predict(___)

説明

labels=预测（Mdl,X)は，済み完全またはコンパクトな分类分类Mdlに基づい，テーブルまたは行列X内の予測子データに対する予測クラスラベルのベクトルを返します。

labels=预测（Mdl,X,Name,Value)は，，つ以上のName,Value引数のペアによって指定された追加オプションを使用します。

[labels,scores] =预测（___)は、前の構文の入力引数のいずれかを使用して、ラベルが特定のクラスから派生する尤度を示す分類スコアの行列（scores) も返します。X内の各観測値について、予測クラスラベルは、すべてのクラスの中で最大のスコアに対応します。

入力引数

Mdl

fitcensembleで作成されたアンサンブル分類、または袖珍的で作成されたコンパクトなアンサンブル分類。

X

分类対象の予測子データ。数値行列またはテーブルを指定します。

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。

数値行列の場合
- Xの列を構成する変数の順序は、Mdlに学習させた予測子変数の順序と同じでなければなりません。
- テーブル (たとえばTBL）を使用してMdlに学習をさせた場合,TBLに含まれている予測子変数がすべて数値変数であれば、Xを数値にことができます。学习ににTBL内の数値予測子をカテゴリカルとして扱うには、fitcensembleの名前値のペア引数引数分类预期を使用て予测子を同定し。。TBLに种类なる予测変数（分类データなど）がが，，，Xが数値行列である場合、predictでエラースローされ。。
テーブルの场合
- predictは、文字ベクトルの cell 配列ではない cell 配列や複数列の変数をサポートしません。
- テーブル (たとえばTBL）を使用してMdlに学習をさせた場合,X内のすべての予測子変数は変数名およびデータ型が、(Mdl.PredictorNamesに格納されている)Mdlに学习せと同じでなければません。ただし，Xの列の順序がTBLの列の順序に対応する必要はありません。TBLとXに追加（応答応答や値重み）ををことができますが，predictはこれらを無視します。
- 数値行列を使用してMdlに学習をさせた場合,Mdl.PredictorNames内の予测とX内の対応する予測子変数名が同じでなければなりません。学習時に予測子の名前を指定する方法については、fitcensembleの名前値のペア引数引数预测器を参照してください。X内の子は数値ベクトルでなけれなりません。Xに追加（応答応答や値重み）ををことができますが，predictはこれらを無視します。

名前と値のペアの引数

オプションのName,Value引数のコンマ区切りペアを指定します。Nameは引数名で、Valueは対応する値です。Nameは引用符で囲まなければなりません。NAME1，Value1，...，Namen，Valuenのように、複数の名前と値のペアの引数を、任意の順番で指定できます。

Learners

弱学習器predictのインデックスは、応答の計算のために数値ベクトルを使用します。

既定：1：t。ここでTは、Mdl内の弱学習器の数を示します。

UseObsForlearner

N行T列のサイズの logical 行列です。

NはXの行の数です。
Tは、Mdlに存在する弱学習器の数です。

UseObsForlearner(i,j)がtrueのとき、学習器jがXの行iのクラスの予測に使用されます。

既定：true（n，t）

出力引数

`labels`	分类ラベルのベクトル。`labels`のデータ型は、学習`Mdl`で使用されるラベルと同じです。（字符串配列配列文字のの配列配列扱われ）。
`scores`	1 1観测値，行あたりクラスクラスの列列観测値および各各クラスについて，そのクラスクラスからから観测観测が派生するするする度度表し表し。。。ます。详细は，スコア (アンサンブル)を参照してください。

例

すべて展开する

アンサンブル分類の使用によるクラスラベルの予測

ライブスクリプトを開く

フィッシャーのアヤメのデータセットを読み込みます。標本サイズを調べます。

loadfisheririsN = size(meas,1);

10％ををののの分割分割ににに分割し。検定用用にホールドアウトアウトます。

RNG（1）;％可再现性cvp = cvpartition(N,'Holdout',0.1); idxTrn = training(cvp);% Training set indicesidxTest = test(cvp);% Test set indices

学習データをテーブルに格納します。

tblTrn = array2table(meas(idxTrn,:)); tblTrn.Y = species(idxTrn);

AdaBoostM2 と学習セットを使用して、アンサンブル分類に学習をさせます。弱学習器として木の切り株を指定します。

t = templateTree('maxnumsplits',1); Mdl = fitcensemble(tblTrn,'Y','Method','AdaBoostM2',“学习者”,t);

検定セットをします。モデルはテーブルデータを使用しましましたが，，ラベルの予测予测ににには

标签=预测（MDL，MES（IDXTEST，:)）;

検定セット混同行列作成します。

confusionchart(species(idxTest),labels)

图包含类型混淆的对象。

Mdlは、検定セット内の 1 つの versicolor 種のアヤメを virginica として誤分類します。

詳細

すべて展开する

スコア (アンサンブル)

アンサンブルの場合、分類“スコア”は，クラス観测がする度をます。スコアが高い高いほど，信頼信頼度も高く高く

アンサンブルアルゴリズムが異なれば、スコアの定義も違ってきます。さらに、スコアの範囲はアンサンブルタイプによって異なります。以下に例を示します。

包スコアの範囲は0〜1ですこれらスコア，アンサンブルのすべて木でした确率として解釈解釈。。。
AdaBoostM1、GentleBoostおよびLogitBoostスコアのは–∞～∞ですですこれらスコアを确率変换するするはは，，，MdlのScoreTransformプロパティを'doublelogit'に设定しからMdlをpredictに渡します。
```
Mdl.ScoreTransform ='doublelogit'; [labels,scores] = predict(Mdl,X);
```
あるいは、Mdlを作成する際にfitcensembleの呼び出しで'ScoreTransform','doublelogit'を指定します。

各種のアンサンブルアルゴリズムの詳細とそれらのアルゴリズムによるスコアの計算方法については、アンサンブルアルゴリズムを参照してください。

代替機能

Simulink ブロック

金宝app^®santistics and Machine Learning Toolbox™ライブラリライブラリに统合ををを统合统合するするににはライブラリライブラリライブラリライブラリライブラリにに分类安排Predictブロックをするか，，^®Function ブロックを関数predictと共ににます。例については，分类安排Predict ブロックの使用によるクラスラベルの予測とmatlab函数ブロックのによるクラスの予测予测を参照してください。

使用するを际は，以下考虑してください。

统计和机器学习工具箱ライブラリブロックを使用する場合、固定小数点ツール（定点设计师）を使用して浮動小数点モデルを固定小数点に変換できます。
MATLAB功能ブロックを关数predictと共に使用する場合は、可変サイズの配列に対するサポートを有効にしなければなりません。
MATLABFunction ブロックを使用する場合、予測の前処理や後処理のために、同じ MATLAB Function ブロック内で MATLAB 関数を使用することができます。

拡张机能

tall 配列
メモリの許容量を超えるような多数の行を含む配列を計算します。

高高的配列配列を完全サポートします详细は，，tall 配列を参照してください。

C/C ++コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

使用上注意および制限事项：

Savelearnerforcoder、loadLearnerForCoderおよびcodegen（MATLAB编码器）を使用して、関数predictのコードを生成します。Savelearnerforcoderを使用て学习済みを保存します。loadLearnerForCoderを使用して保存済みモデルを読み込んで関数predictを呼び出す,エントリポイント関数を定義します。次に,codegenを使用てエントリ关数のコード生成します。
predict 用の単精度 C/C++ コードを生成するには、関数loadLearnerForCoderを呼び出すときに名前と値の引数'DataType','single'を指定します。
predictc/c ++コードコードコードを生成もます小数小数点点コードのの生成には，予测予测に必要変数変数の固定固定小数小数データデータgeneratelearnerdatatypefcnによって生成されるデータ型关数をし固定点データ构造体作成しその构造体をエントリエントリ关数でででloadLearnerForCoderの入力引数として使用します。固定小数点の C/C++ コードを生成するには、MATLABCoder™および Fixed-Point Designer™ が必要です。
predictの固定小数点コードの生成には、個々の学習器についてデータ型の伝播が含まれるため、時間がかかることがあります。

次の表，predictの引数に関する注意です。この表に含まれていない引数は、完全にサポートされています。

引数	注意と制限
`Mdl`	モデルオブジェクト使用の注意制限については，`紧凑型classificationEnsemble`オブジェクトのコード生成を参照してください。
`X`	一般的なコード生成の場合、`X`は、単精度または倍精度の行列か、数値変数、カテゴリカル変数、またはその両方を含む table でなければなりません。固定小数点コードの生成の場合、`X`は固定小数点の行列でなければなりません。 `X`の行数、または観測値の数は可変サイズにすることができますが、`X`の列数は固定でなければなりません。 `X`を table として指定する場合、モデルは table を使用して学習させたものでなければならず、かつ予測のためのエントリポイント関数が次を行うようにしなければなりません。データを配列として受け入れる。データ入力の引数から table を作成し、その table 内で変数名を指定する。表を`predict`に渡す。このテーブルのワークフローの例については、table のデータを分類するためのコードの生成を参照ください。生成におけるテーブル使用详细详细はは，table のコード生成（MATLAB编码器）およびtableにおけるにおけるの制限事项事项（MATLAB编码器）を参照してください。
名前と値のペアの引数	名前と値のペアの引数に含まれる名前はコンパイル時の定数でなければなりません。たとえば，れたで最大最大最大つの弱について定义のインデックスをを可能ににするに`{coder.Constant('Learners'),coder.typeof(0,[1,5],[0,1])}`を`codegen`（MATLAB编码器）の`-args`の値にます。
`“学习者”`	固定小数コードの生成，，`“学习者”`は整数データ型の値にしなければなりません。

详细は，コード生成の绍介を参照してください。

参考

R2011aで导入

predict

構文

説明

入力引数

名前と値のペアの引数

出力引数

例

アンサンブル分類の使用によるクラスラベルの予測

詳細

スコア (アンサンブル)

代替機能

Simulink ブロック

拡张机能

tall 配列
メモリの許容量を超えるような多数の行を含む配列を計算します。

C/C ++コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

参考

统计和机器学习工具箱ドキュメンテーション

サポート

機械学習をマスターする: MATLAB ステップ・バイ・ステップガイド

predict

構文

説明

入力引数

名前と値のペアの引数

出力引数

例

アンサンブル分類の使用によるクラス ラベルの予測

詳細

スコア (アンサンブル)

代替機能

Simulink ブロック

拡张机能

tall 配列メモリの許容量を超えるような多数の行を含む配列を計算します。

C/C ++コード生成MATLAB® Coder™ を使用して C および C++ コードを生成します。

参考

统计和机器学习工具箱ドキュメンテーション

サポート

機械学習をマスターする: MATLAB ステップ・バイ・ステップ ガイド

アンサンブル分類の使用によるクラスラベルの予測

tall 配列
メモリの許容量を超えるような多数の行を含む配列を計算します。

C/C ++コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。

機械学習をマスターする: MATLAB ステップ・バイ・ステップガイド