plotperform

(削除予定) ネットワーク パフォーマンスのプロット

plotperform 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

plotperform(TR)

説明

plotperform(TR) は、関数 train によって返される学習記録 TR の学習、検証、およびテストの性能について、エポックに対する誤差をプロットします。

例

ネットワークの検証性能のプロット

この例では、plotperform を使用して、学習エポックの回数に対する学習記録の誤差値のプロットを取得する方法を説明します。

[x,t] = bodyfat_dataset;
net = feedforwardnet(10);
[net,tr] = train(net,x,t);

plotperform(tr)

一般的に、学習エポックの回数が増えると誤差が減少しますが、学習データへのネットワークの過適合が始まるために、検証データ セットでの誤差が増加し始める場合もあります。既定の設定では、検証誤差が 6 回連続して増加すると学習が停止し、検証誤差が最小となるエポックから最良の性能が取得されます。

入力引数

TR — 学習記録

構造体

学習記録 (epoch および perf)。フィールドがネットワーク学習関数 (net.NET.trainFcn) によって異なる構造体として返されます。含まれるフィールドには以下のものがあります。

• 学習、データ分割、性能の関数およびパラメーター

• 学習セット、検証セット、およびテスト セットのデータ分割インデックス

• 学習セット、検証セット、およびテスト セットのデータ分割マスク

• エポックの数 (num_epochs) および最適なエポック (best_epoch)

• 学習の状態名の一覧 (states)

• 学習全体を通じて値を記録する各状態名のフィールド

• 最適なネットワーク性能 (best_perf、best_vperf、best_tperf)

バージョン履歴

R2008a で導入

R2026a: plotperform は削除予定

plotperform は将来のリリースで削除される予定です。

可視化のワークフローの詳細については、以下の例とトピックを参照してください。

• 深層学習の可視化手法

• Explore Network Predictions Using Deep Learning Visualization Techniques

• Deep Learning Metrics

• 深層学習における学習の進行状況の監視

• ROC Curve and Performance Metrics

学習時に学習と検証のメトリクスを可視化するには、trainingOptions 関数の Plots 引数を "training-progress" に設定します。

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

参考

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

トピック

• Training Neural Networks with Tabular Data
• 深層学習層の一覧
• Transition Legacy Neural Network Code to dlnetwork Workflows