ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

ClassificationEnsemble クラス

スーパークラス: CompactClassificationEnsemble

アンサンブル分類器

説明

ClassificationEnsemble は、学習済みの弱学習器モデルのセット、およびそれらの学習器が学習を行ったデータを結合します。この関数では、弱学習器からの予測を集約することにより、新しいデータに対する集団応答を予測できます。また、学習に使用したデータを保存し、再代入予測を計算できます。必要に応じて学習を再開することもできます。

構築

ens = fitensemble(tbl,ResponseVarName,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

ens = fitensemble(tbl,formula,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

ens = fitensemble(tbl,Y,method,nlearn,learners) は、データに対する応答を予測する集団モデルを作成します。集団には、learners にリストされたモデルが含まれます。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

ens = fitensemble(X,Y,method,nlearn,learners) は、データに対する応答を予測できる集団モデルを返します。集団には、learners にリストされたモデルが含まれます。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

ens = fitensemble(___,Name,Value) は、前の構文のいずれかを使用し、1 つ以上の Name,Value ペア引数で指定されたオプションを追加して集団モデルを返します。構文に関する詳細は、関数 fitensemble のリファレンス ページを参照してください。

プロパティ

CategoricalPredictors

カテゴリカル予測子のリスト。CategoricalPredictors は、1 から p までのインデックスを使用する数値ベクトルです。ここで、p は、X の列数を示します。

ClassNames

重複が削除された Y の要素のリスト。ClassNames には、数値ベクトル、カテゴリカル ベクトル、論理ベクトル、文字配列、文字列のセル配列のいずれかを指定できます。ClassNames のデータ型は、引数 Y のデータ型と同じです。

CombineWeights

ens が弱学習器の重みを結合する方法を記述する文字列で、'WeightedSum' または 'WeightedAverage' のどちらかになります。

Cost

正方行列。Cost(i,j) は真のクラスが i である場合に 1 つの点をクラス j に分類するためのコストです (行は真のクラス、列は予測したクラスに対応します)。Cost の行と列の順序は、ClassNames のクラスの順序に対応します。Cost の行および列の数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ExpandedPredictorNames

展開された予測子の名前。文字列のセル配列として格納されます。

モデルがカテゴリカル変数用のエンコーディングを使用している場合、ExpandedPredictorNames には展開された変数を表す名前が格納されます。そうでない場合、ExpandedPredictorNamesPredictorNames と同じです。

FitInfo

近似情報の数値配列。FitInfoDescription プロパティは、この配列の内容を記述します。

FitInfoDescription

FitInfo 配列の意味を記述する文字列。

LearnerNames

集団にある弱学習器の名前をもつ文字列のセル配列。各学習器の名前は一度だけ現れます。たとえば、ツリーが 100 本の集団の場合は、LearnerNames{'Tree'} になります。

Method

ens を作成するメソッドを記述する文字列。

ModelParameters

ens の学習に使用されるパラメーター。

NumObservations

学習データにある観測値の数を含む数値スカラー。

NumTrained

ens の学習済みの弱学習器の数、スカラー。

PredictorNames

X に現れる順序で配列される、予測子変数の名前のセル配列

Prior

各クラスの事前確率の数値ベクトル。Prior の要素の順序は、ClassNames のクラスの順序に対応します。Prior の要素数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ReasonForTermination

fitensemble が集団への弱学習器の追加を停止した理由を記述する文字列。

ResponseName

応答変数 Y の名前をもつ文字列。

ScoreTransform

スコアの変換を処理する関数、または組み込みの変換関数を表す文字列。'none' は変換なしを意味します。等価的には、'none'@(x)x です。組み込みの変換関数のリストとカスタム変換関数の構文は、fitctree を参照してください。

ドット表記を使用して関数 ScoreTransform を追加または変更します。

ens.ScoreTransform = 'function'

または

ens.ScoreTransform = @function

Trained

学習済みの学習器、コンパクトな分類モデルのセル配列。

TrainedWeights

ens の弱学習器のための学習済み重みを表す数値ベクトル。 TrainedWeights には T 個の要素があり、Tlearners の弱学習器の数を表します。

UsePredForLearner

サイズ PNumTrained 列の論理行列であり、ここで、P は学習データ X の予測子 (列) の数です。UsePredForLearner(i,j) は、学習器 j が予測子 i を使用するときに true になり、それ以外の場合は false になります。それぞれの学習器に対して、予測子は学習データ X の列と同じ順序になります。

集団が Subspace 型ではない場合、UsePredForLearner 内のすべてのエントリは true です。

W

スケールされた weights、長さ n のベクトル、X の行の数。W の要素の合計は 1 です。

X

集団の学習に使用された予測子値の行列。X の各列が 1 つの変数を表し、各行が 1 つの観測値を表します。

Y

数値ベクトル、カテゴリカル ベクトル、論理ベクトル、文字配列または文字列のセル配列。Y の各行は、X の対応する行の分類を表します。

メソッド

compactコンパクトな分類集団
crossval交差検定を使用した集団
resubEdge再代入による分類エッジ
resubLoss再置換による分類誤差
resubMargin再代入による分類マージン
resubPredict再代入による集団応答の予測
resume学習集団の再開

継承メソッド

compareHoldout新しいデータを使用して 2 つの分類モデルの精度を比較
edge分類エッジ
loss分類誤差
margin分類マージン
predict分類の予測
predictorImportance予測子の重要度の推定
removeLearnersコンパクト分類集団のメンバーの削除

コピーのセマンティクス

値。コピー操作に対する値クラスの影響については、MATLAB® のドキュメンテーションの「オブジェクトのコピー」を参照してください。

すべて展開する

ionosphere データセットを読み込みます。

load ionosphere

すべての測定値と AdaBoostM1 メソッドを使用して、100 本の分類木があるブースティングされた集団に学習をさせます。

Mdl = fitensemble(X,Y,'AdaBoostM1',100,'tree')
Mdl = 

  classreg.learning.classif.ClassificationEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
               NumTrained: 100
                   Method: 'AdaBoostM1'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the reque...'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}


MdlClassificationEnsemble モデル オブジェクトです。

Mdl.Trained は、集団を構成する学習済み分類木 (CompactClassificationTree モデル オブジェクト) の 100 行 1 列のセル ベクトルが格納されているプロパティです。

1 番目の学習済み分類木のグラフをプロットします。

view(Mdl.Trained{1},'Mode','graph')

既定の設定では、fitensemble はブースティングされた木の集団について切り株を成長させます。

X の平均のラベルを予測します。

predMeanX = predict(Mdl,mean(X))
predMeanX = 

    'g'

ヒント

分類木の集団の場合、ensTrained プロパティには ens.NumTrained 個の CompactClassificationTree モデル オブジェクトが含まれているセル ベクトルが格納されます。セル ベクトルの木 t をテキストまたはグラフィックで表示するには、次のように入力します。

view(ens.Trained{t})

この情報は役に立ちましたか?