第 2 章
分類学習器アプリ
MATLAB® を使用すれば、分類学習器アプリにどのモデルが最も適しているのかを見極めるための手間が省けます。MATLAB を使用してモデルのパフォーマンスを判断し、結果を検証することもできます。
分類学習器を使用すると、対話的なデータ分析、特徴選択、検定方法の指定、モデル学習および結果の評価などの一般的な機械学習タスクを実行することができます。
分類学習器アプリで以下のことができます:
- 混合行列、ROC 曲線、または散布図を使って分類器のパフォーマンスを評価
- 検定セットの誤判別率を使用してモデルの精度を比較
- 詳細オプションと特徴選択によりモデルの精度を改善
- 最適モデルをワークスペースにエクスポートし、新規データに対する予測を実行
- MATLAB コードを生成し、新規データに対する分類器の学習を実行
Statistics and Machine Learning Toolbox アプリ
分類学習器アプリをお探しください。他のインストール済みの製品と共に MATLAB ツールストリップ内のアプリタブから探せます。
分類学習器アプリがサポートする内容:
判別分析分類器
線形、2 次
決定木
細かい木、中程度の決定木、粗い木
サポート ベクター マシン
線形 SVM、細かいガウス SVM、中程度のガウス SVM、粗いガウス SVM、 2 次 SVM、3 次 SVM
最近傍分類器
細かいKNN、 中程度のKNN、粗い KNN、 コサイン KNN、3 次 KNN、重み付き KNN
単純ベイズ分類器
ガウス単純ベイズ、カーネル単純ベイズ
アンサンブル分類器
ブースティング決定木 (AdaBoost, RUSBoost)、 バギング決定木、部分空間KNN、部分空間判別
ニューラル ネットワーク分類器
ナロー、ミディアム、ワイド、2層、3層
カーネル近似の分類器
SVMカーネル、ロジスティック回帰
ロジスティック回帰分類器
