判別分析

正規化された線形および 2 次判別分析

対話的に判別分析モデルに学習をさせるには、分類学習器アプリを使用します。柔軟性を向上させるためには、コマンドラインインターフェイスで fitcdiscr を使用して判別分析モデルに学習させます。学習後に、モデルと予測子データを predict に渡してラベルを予測するか事後確率を推定します。

アプリ

分類学習器

教師あり機械学習を使用して、データを分類するようにモデルを学習させる

ブロック

ClassificationDiscriminant Predict

Classify observations using discriminant analysis model (R2024a 以降)

関数

すべて展開する

判別分析モデルの作成

`fitcdiscr`	判別分析分類器の当てはめ
`makecdiscr`	パラメーターから判別分析分類器を構築する
`compact`	判別分析分類器のサイズの縮小

判別分析モデルの改善

cvshrink 線形判別の正則化の交差検証

判別分析モデルの解釈

`lime`	Local Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
`partialDependence`	部分依存の計算 (R2020b 以降)
`permutationImportance`	Predictor importance by permutation (R2024a 以降)
`plotPartialDependence`	部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
`shapley`	シャープレイ値 (R2021a 以降)

交差検証

`crossval`	機械学習モデルの交差検証
`kfoldEdge`	交差検証済み分類モデルの分類エッジ
`kfoldLoss`	交差検証済み分類モデルの分類損失
`kfoldfun`	分類での関数の交差検証
`kfoldMargin`	交差検証済み分類モデルの分類マージン
`kfoldPredict`	交差検証済み分類モデルの観測値の分類

パフォーマンスの測定

`loss`	判別分析分類器の分類損失
`resubLoss`	判別分析分類器の再代入分類損失
`logp`	Log unconditional probability density for discriminant analysis classifier
`mahal`	判別分析分類器のクラスの平均に対するマハラノビス距離
`nLinearCoeffs`	Number of nonzero linear coefficients in discriminant analysis classifier
`compareHoldout`	新しいデータを使用して 2 つの分類モデルの精度を比較
`edge`	Classification edge for discriminant analysis classifier
`margin`	判別分析分類器の分類マージン
`resubEdge`	判別分析分類器の再代入分類エッジ
`resubMargin`	判別分析分類器の再代入分類マージン
`testckfold`	交差検証の反復により 2 つの分類モデルの精度を比較

観測値の分類

`predict`	判別分析分類器の使用によるラベルの予測
`resubPredict`	再代入による判別分析分類器の観測値の分類
`classify`	判別分析を使用した観測値の分類

オブジェクト

`ClassificationDiscriminant`	Discriminant analysis classification
`CompactClassificationDiscriminant`	Compact discriminant analysis classification
`ClassificationPartitionedModel`	Cross-validated classification model

トピック

分類学習器アプリを使用した判別分析分類器の学習
判別分析分類器を作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートします。
教師あり学習のワークフローとアルゴリズム
教師あり学習の手順とノンパラメトリック分類および回帰関数の特性を理解します。
パラメトリックな分類
パラメトリックな分類の手法について学ぶ。
判別分析による分類
判別分析アルゴリズムについて、および判別分析モデルをデータに当てはめる方法について理解します。
判別分析モデルの作成
判別分析分類器の構築に使用されるアルゴリズムについて理解します。
判別分析分類器の作成と可視化
フィッシャーのアヤメのデータに対して線形分類と 2 次分類を実行します。
判別分析モデルの改善
判別分析モデルの性能を確認および改善します。
判別分析分類器の正則化
モデルの予測力を損なわずに予測子を削除して、よりロバストで簡潔なモデルを作成します。
混合ガウス仮定の確認
判別分析では、データが混合ガウスモデルに従っていると仮定します。この仮定を確認する方法について理解します。
判別分析モデルの使用による予測
判別分析モデルを使用して predict で観測値を分類する方法について理解します。
各種分類器の決定面の可視化
この例では、各種の分類アルゴリズムについて決定面を可視化する方法を示します。