Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

network

クラス: Autoencoder

Autoencoder オブジェクトから network オブジェクトへの変換

説明

net = network(autoenc) は、自己符号化器 autoenc と等価なネットワーク オブジェクトを返します。

入力引数

すべて展開する

学習済みの自己符号化器。Autoencoder クラスのオブジェクトとして返されます。

出力引数

すべて展開する

自己符号化器 autoenc と等価なニューラル ネットワーク。network クラスのオブジェクトとして返されます。

すべて展開する

標本データを読み込みます。

X = bodyfat_dataset;



X = bodyfat_dataset;

X は、252 個の異なる近傍の 13 個の属性を定義する 13 行 252 列の行列です。データの詳細を表示するには、コマンド ラインで help house_dataset と入力します。

属性データに対して自己符号化器に学習させます。

autoenc = trainAutoencoder(X);

自己符号化器 autoenc からネットワーク オブジェクトを作成します。

net = network(autoenc);

ネットワーク net を使用して属性を予測します。

Xpred = net(X);

実際の属性データと推定された属性データの間に線形回帰モデルを当てはめます。すべての属性データを 1 つのデータセットとして使用して、回帰モデルの推定されたピアソン相関係数、勾配、および切片 (バイアス) を計算します。

[C, S, B] = regression(X, Xpred, 'one')
C = 0.9997
S = 0.9984
B = 0.0960

相関係数は 1 に近くなります。これは、属性データとニューラル ネットワークからの推定が互いによく似ていることを示します。

実際のデータと近似直線をプロットします。

plotregression(X, Xpred);

Figure Regression (plotregression) contains an axes. The axes with title : R=0.99969 contains 3 objects of type line. These objects represent Y = T, Fit, Data.

近似直線上にデータが表示されます。これにより、予測が実際のデータによく似ているという結論が視覚的に裏付けられます。

R2015b で導入