このコラムでは、MATLAB の回帰学習器アプリについての質問に回答します。回帰一般に関するものではありません。

回帰学習器アプリは、2017 年からエンジニアや科学者に提供されています。回帰分析は、変数と数値的な応答の関係を理解するのに役立ち、エネルギー消費量、財務実績、製造工程パラメーターの予測などのタスクに適用することができます。

基本的には、回帰学習器アプリを使用することで、コードを記述せずに対話的に回帰モデルを構築し、モデルの精度と性能を測定することができます。さまざまな回帰モデルや機能の性能を迅速に比較することができます。

このアプリは、機械学習を始めたばかりの方に特に便利ですので、今回、アプリに直接関係する質問にお答えすることをとても楽しみにしています。

回帰学習器アプリに慣れていない方は、理解に役立つ以下のデモビデオをご覧ください。

学習に時間がかかりすぎます。モデルの学習時間を短縮するには、どうすればよいでしょうか?

回帰学習器アプリには、学習速度を上げるいくつかの方法があります。ここでは、アプリ自体の技術に焦点をあてています。

提案 1: 回帰モデルの並列学習を使用する

Parallel Computing Toolbox™をお持ちであれば、まずは回帰学習器モデルの並列学習をお試しいただけます。このオプションでは、並列プールを作成して並列学習を行い、作業を継続しながら複数のモデルの学習を同時に行うことができます。このオプションを選択すると、履歴リスト内の各学習とキュー送信されたモデルの進行状況インジケーターが表示され、個々のモデルのキャンセルもできます。この手法で、学習に費やす時間を短縮することができます。

回帰学習器アプリのメニューバーで [並列の使用] を選択します。

提案 2: ホールドアウト検証を使用する

提案 3: 特定のモデルのみでデータの学習を行う

ある特定のモデルでデータが機能すること、ある特定のモデルの学習に時間がかかりすぎることがわかっている場合は、アプリ内のすべてのモデルの学習を行うのではなく、その特定のモデルを選択または選択解除することができます。確信がない場合は、一般に学習の速いモデルをすべて学習させる [すべてのクイック学習] のオプションをお試しいただくことができます。その後、最良のモデルを見つけるには、平方根平均二乗誤差 (RMSE) が最小となった特定のグループのモデルをすべて学習させます。回帰モデルの学習に関する詳細を見る。

RMSE が最小のモデルを選択したのですが、最適化するために他に必要なことはありますか?

データの初期モデルの学習を行って評価した後、モデルのハイパーパラメーターを調整することで、最高の性能を得られます。

モデルに最適なハイパーパラメーター値を自動的に選択して求めるには、ハイパーパラメーター最適化機能を使用します。このアプリは、モデルの平均二乗誤差 (MSE) を最小にするために、さまざまなハイパーパラメーター値の組み合わせを試行し、最適化されたハイパーパラメーターで新しいモデルを返します。

ハイパーパラメーター調整の影響はモデルによって異なるため、初期モデルでは最適な性能を得られない場合があります。この場合、複数のタイプのモデルでハイパーパラメーターを最適化する必要があります。