回帰用のデ,タの選択または保存したアプリセッションを開く
回帰学習器アプリの初回起動時に,データをインポートするか,前に保存したアプリセッションを開くかを選択できます。デタをンポトするには,ワ,クスペ,スからのデ,タの選択とファルからのデタのンポトを参照してください。保存したセッションを開くには,アプリセッションを保存して開くを参照してください。
ワ,クスペ,スからのデ,タの選択
ヒント
数値データとラベルデータを格納できるので,テーブルは回帰学習器でデータを処理するための最も簡単な方法です。@ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @ @®のワクスペスにテブルとして読み込むか,テブル関数を使用してワクスペス変数から表格
変数を作成します。表格を参照してください。
デタをmatlabのワクスペスに読み込みます。
予測子変数は,数値ベクトル,直言ベクトル,字符串ベクトル,逻辑ベクトル,文字ベクトルの细胞配列,または文字配列が可能です。応答変数は浮動小数点ベクトル(単精度または倍精度)でなければなりません。
予測子デタを1の変数(表または行列)。予測子デ,タと応答変数は,結合することも,別個のままにしておくこともできます。
デタセットの例にいては,回帰のサンプルデ,タを参照してください。
[アプリ]タブの[回帰学習器]をクリックしてアプリを開きます。
[回帰学習器]タブの[ファ电子邮箱ル]セクションで,[新規セッション],[ワ.クスペ.スから]をクリックします。
[ワクスペスからの新規セッション]ダアログボックスの[デ,タセット変数]で,表または行列をワ,クスペ,ス変数から選択します。
行列を選択した場合は,オプションのボタンをクリックすることにより,行と列のどちらを観測値として使用するか選択します。
[応答]で,既定の応答変数を観測します。このアプリでは,データセット変数から適切な応答変数を選択し,他のすべての変数を予測子として扱おうとします。
異なる応答変数を使用する場合は次のようにします。
リストを使用して,デ,タセット変数から別の変数を選択します。
[ワ,クスペ,スから]オプションボタンをクリックして個別のワ,クスペ,ス変数を選択した後,リストから変数を選択します。
[予測子]でチェックボックスを使用して予測子を追加または削除します。すべての予測子を追加または削除するには,[すべて追加]または[すべて削除]をクリックします。テ,ブル内の予測子を選択してから[nの追加]または[nの削除]をクリックすることにより,複数の予測子を追加または削除することもできます。ここでNは選択した予測子の個数です。複数の予測子を選択すると,[すべて追加]ボタンおよび[すべて削除]ボタンは[nの追加]および[nの削除]に変化します。
既定の検証方式をそのまま使用して続行するため,[セッションの開始]をクリックします。既定の検証オプションは5分割交差検証であるため,過適合が防止されます。
ヒント
デ,タセットが大きい場合は,ホ,ルドアウト検証に切り替えることが考えられます。詳細にいては,検証方式の選択を参照してください。
メモ
データをアプリにコマンドラインから直接読み込む場合は,回帰学習器で使用する予測子データ,応答変数,および検証タイプをコマンドラインのregressionLearner
の呼び出しで指定できます。詳細にいては,回帰学習器を参照してください。
以後の手順にいては,回帰学習器アプリにより回帰モデルに学習をさせるを参照してください。
ファルからのデタのンポト
[回帰学習器]タブの[ファ电子邮箱ル]セクションで,[新規セッション]、[ファ电子邮箱ルから]を選択します。
スプレッドシ,ト,テキストファ,ル,コンマ区切り値(
. csv
)などのファ安大安大市ルタ安大安大市プをリストから選択するか,[すべてのファ电子邮箱ル]を選択して.dat
など他のファ▪▪ルタ▪▪プを参照します。
回帰のサンプルデ,タ
はじめて回帰学習器を使用する場合は,以下のサンプルデ,タセットを試してください。
名前 | サereplicationズ | 説明 |
---|---|---|
自動車 | 予測子の数:7 観測値の数:406 応答: 英里/加仑 (ガロンあたりの走行マaapl .ル数) |
1970 ~ 1982年のさまざまな自動車モデルに関するデ,タ。燃費(ガロンあたりの走行マaapl .ル数単位)または他のいずれかの特性を予測します。 詳しい手順の例にいては,回帰学習器アプリを使用して回帰木に学習をさせるを参照してください。 |
负载carbigcartable = table(加速度,气缸,位移,...马力,型号,年份,重量,产地,MPG); |
||
アワビ | 予測子の数:8 観測値の数:4177 応答: 环 |
アワビ(巻貝のグル,プ)の測定値。アワビの年齢の予測。これは貝殻の輪の数と密接に関連しています。 |
UCI机器学习库からデータをダウンロードして現在のフォルダーに保存します。デ,タをテ,ブルに読み込み,変数名を指定します。 url =“https://archive.ics.uci.edu/ml/machine-learning-databases/abalone/abalone.data”;websave (“abalone.csv”url);Varnames = {“性”;“长度”;“直径”;“高度”;“Whole_weight”;...“Shucked_weight”;“Viscera_weight”;“Shell_weight”;“戒指”};可读的鲍鱼(“abalone.csv”);abalontable . properties . variablenames = varnames; |
||
病院 | 予測子の数:5 観測値の数:100 応答: BloodPressure_2 |
シミュレ,トされた病院のデ,タ。患者の血圧を予測します。 |
负载hospital.matHospitaltable = dataset2table(医院(:,2:end-1));
|
検証方式の選択
当てはめたモデルの予測精度を確認するための検証方式を選択します。検証を行うと,新しいデ,タに対するモデルの性能が推定されるので,最適なモデルの選択に役立,ます。検証を行うと過適合を防止できます。柔軟すぎて過適合になるモデルでは,検証精度が低下します。モデルに学習をさせる前に検証方式を選択すると,同じ検証方式を使用してセッション内のすべてのモデルを比較できます。
ヒント
既定の検証方式を選択し,[セッションの開始]をクリックして続行してください。既定のオプションは,過適合を防ぐ5分割の交差検証です。
データセットが大規模で,交差検証を使用するとモデルの学習に時間がかかりすぎる場合は,データを再インポートして,より高速なホールドアウト検証を代わりに試してください。
検定用に確保されたデ,タがない(既定でtrue)と仮定します。
交差検証:デ,タセットの分割数を選択します。
分割数としてkを選択すると,次の処理が行われます。
デタをk個の互いに素な集合に分割する。
各検証分割にいて
学習分割観測値(検証分割外の観測値)を使用してモデルを学習させる
検証分割デ,タを使用してモデルの性能を評価する
すべての分割にいて平均の検証誤差を計算する
このようにすると,データセット全体を使用して学習をさせた最終的なモデルの予測精度を適切に推定できます。複数の当てはめが必要ですが,すべてのデータを効率的に使用するので,小規模なデータセットに適しています。
ホ,ルドアウト検証:検証セットとして使用するデ,タのパ,センテ,ジを選択します。このアプリでは,学習セットをモデルに学習させ,検証セットで性能を評価します。検証用のモデルは一部のデータのみに基づいているので,ホールドアウト検証は大規模なデータセットのみに適しています。最終的なモデルの学習には,デ,タセット全体が使用されます。
再代入検証:過適合の防止が行われません。すべてのデタが学習に使用され,同じデタにいて誤差率が計算されます。検証デ,タを別途用意しないと,新しいデ,タに対するモデルの性能の推定が非現実的になります。まり,学習標本の精度が非現実的に高くなり,予測精度が低くなると考えられます。
学習デ,タに対する過適合を回避するには,別の検証方式を選択してください。
メモ
検証スキ,ムは,回帰学習器による検証メトリックの計算方法にのみ影響を与えます。最終的なモデルの学習には,常に検定用に確保されたデ,タを除くデ,タセット全体が使用されます。
このダイアログボックスで選択した検証方式は,データの選択後に学習をさせるすべてのモデルで使用されます。同じ検証方式を使用して,セッション内のすべてのモデルを比較できます。
もう一度データを選択すると,検証方式の選択を変更して新しいモデルを学習させることができますが,学習済みのモデルは失われます。デタをンポトすると新しいセッションが始まることが警告されます。保持する必要がある学習済みのモデルをワクスペスに保存してからデタをンポトしてください。
モデルに学習をさせる次のステップにいては,回帰学習器アプリにより回帰モデルに学習をさせるを参照してください。
(オプション)検定用のデ,タの確保
回帰学習器にデタをンポトするときに,一定の割合のデタを検定用に確保するように指定できます。[新規セッション]ダ电子邮件アログボックスの[検定]セクションで,検定デ,タセットを確保するチェックボックスをクリックします。検定セットとして使用するンポトデタの割合を指定します。必要に応じて,アプリセッションを開始した後に別の検定データセットをインポートすることもできます。
検定セットを使用して,学習済みモデルの性能を評価できます。特に,新しいデ,タにおけるモデルの性能が検証メトリクスで適切に推定されるかどうかを確認できます。詳細にいては,検定セットにおけるモデルの性能の評価を参照してください。たとえば,回帰学習器アプリのハパパラメタの最適化を使用した回帰モデルの学習を参照してください。
メモ
アプリによるモデルの学習に検定デ,タは使用されません。アプリからエクスポートされるモデルは、検定用に確保されたデータを除く学習データと検証データ全体で学習させたものです。
アプリセッションを保存して開く
回帰学習器で,現在のアプリセッションを保存し,前に保存したアプリセッションを開くことができます。
現在のアプリセッションを保存するには,[回帰学習器]タブの[ファ电子邮箱ル]セクションで[保存]をクリックします。現在のセッションを最初に保存するときに,セッションファ。[セッションの保存]オプションでは現在のセッションが保存され,[セッションに名前を付けて保存]オプションでは現在のセッションが新しいファ@ @ルに保存されます。
保存したアプリセッションを開くには,[ファ电子邮箱ル]セクションで[開く]をクリックします。[開くファ▪▪ルを選択]ダ▪▪アログボックスで,開く保存済みセッションを選択します。