divideind

(削除予定) 指定されたインデックスを使用した、3 つのセットへのターゲットの分割

divideind は将来のリリースで削除される予定です。詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

構文

[trainInd,valInd,testInd] = divideind(Q,trainInd,valInd,testInd)

説明

[trainInd,valInd,testInd] = divideind(Q,trainInd,valInd,testInd) は、指定されたインデックスに従って、ターゲットを学習、検証、およびテストの 3 つのセットに分けます。引数として受け取ったインデックスと同じインデックスが実際に返されます。これは、ネットワークの学習、検証、およびテストに使用するインデックスを手動で設定できるようにすることを目的としたものです。

インデックスは、Q より大きいインデックスが削除された後に返されます。1:Q の範囲のインデックスには、3 つのセットのいずれにも割り当てられないものがあること、また、複数のセットで同じインデックスを使用してはならないことに注意してください。

例

指定されたインデックスを使用した、3 つのセットへのサンプルの分割

この例では、ネットワークに指定したインデックスを使用して、サンプルを 3 つのセットに分割する方法を示します。

20 個のサンプルを学習、検証、およびテスト用のインデックスに分割し、16 個のみを実際に使用します。

[trainInd,valInd,testInd] = divideind(20,1:8,9:12,14:16)

次のコードは、ネットワークに学習させるときに必ず同じ種類のデータ分割を実行させる方法を示しています。

net.divideFcn = 'divideind';
net.divideParam.trainInd = 1:8;
net.divideParam.valInd = 9:12;
net.divideParam.testInd= 14:16;

入力引数

Q — ターゲットの数

スカラー

分割するターゲットの数。スカラーとして指定します。

trainInd — 学習インデックス

ベクトル

学習インデックス。1 行 Q 列のベクトルとして指定します。

valInd — 検証インデックス

ベクトル

検証インデックス。1 行 Q 列のベクトルとして指定します。

testInd — テスト インデックス

ベクトル

テスト インデックス。1 行 Q 列のベクトルとして指定します。

出力引数

trainInd — 学習インデックス

ベクトル

学習インデックス。ベクトルとして返されます。

valInd — 検証インデックス

ベクトル

検証インデックス。ベクトルとして返されます。

testInd — テスト インデックス

ベクトル

テスト インデックス。ベクトルとして返されます。

詳細

ネットワークの利用

train が呼び出されるときに、使用するデータ分割関数、そのパラメーター、およびターゲットを分割する際の基準を定義するネットワーク プロパティを以下に示します。

net.divideFcn
net.divideParam
net.divideMode

バージョン履歴

R2008a で導入

R2026a: divideind は削除予定

divideind は将来のリリースで削除される予定です。

ニューラル ネットワークのデータ処理の詳細については、以下の例とトピックを参照してください。

• 領域固有の深層学習用途のためのデータの前処理

• 深層学習用のデータストア

• グラウンド トゥルース データにラベルを付けるためのアプリの選択

詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

参考

時系列モデラー | fitrnet (Statistics and Machine Learning Toolbox) | fitcnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork

トピック

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows