ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

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を学習させるには、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、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を学習させることができます。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

関数

fitcdiscr 判別分析分類器の近似
predict 判別分析分類モデルの使用によるラベルの予測
templateDiscriminant 判別分析分類器テンプレート

クラス

ClassificationDiscriminant 判別分析による分類
CompactClassificationDiscriminant コンパクトな判別分析クラス
ClassificationPartitionedModel 交差検定分類モデル

例および操作のヒント

分類学習器アプリを使用した判別分析分類器の学習

判別分析分類器に学習をさせる方法を学びます。

教師あり学習のステップ

Statistics and Machine Learning Toolbox™ には、教師あり学習に利用できるアルゴリズムが数多く用意されていますが、ほとんどの場合、予測モデルの取得には同じ基本的なワークフローを使用します。

判別分析分類器の作成

基本的な判別分析分類器に学習をさせてフィッシャーのアヤメのデータを分類します。

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。

判別分析分類器の改善

判別分析分類器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の削除を試行して、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を学びます。

概念

分類アルゴリズムの特性

分類アルゴリズムごとに速度、メモリ使用量、解釈可能性および柔軟性が異なります。

判別分析とは

判別分析は、異なるクラスは異なるガウス分布に基づいてデータを生成すると仮定する分類手法です。

fitcdiscr を使用した分類器の作成

重み付きの分類器を構築するために使用されるアルゴリズムについて理解します。

predict メソッドの分類方法

predict は観測値の分類に 3 つの数量事後確率事前確率」およびコスト」を使用します。

この情報は役に立ちましたか?