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。

アンサンブル分類

マルチクラス学習用のブースティング、ランダム フォレスト、バギング、ランダム部分空間および ECOC のアンサンブル

アンサンブル分類は、重みを付けた複数の分類モデルの組み合わせから構成される予測モデルです。一般に、複数の分類モデルを組み合わせると予測の性能が向上します。

対話的にアンサンブル分類を調べるには、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 fitcensemble を使用して、分類木をブースティングまたはバギングするか、ランダム フォレスト [11] を成長させることができます。サポートされるすべてのアンサンブルについての詳細は、アンサンブル アルゴリズムを参照してください。マルチクラス問題をバイナリ分類問題のアンサンブルに縮小するには、誤り訂正出力符号 (ECOC) モデルを学習させます。詳細は、fitcecocを参照してください。

LSBoost を使用して回帰木をブースティングする方法と回帰木のランダム フォレスト [11] を成長させる方法については、アンサンブル回帰を参照してください。

アプリ

関数

fitcensemble 学習器アンサンブルを分類用に準備
predict 分類モデルのアンサンブルの使用によるラベルの予測
oobPredict アンサンブルの out-of-bag 応答を予測する
templateEnsemble アンサンブル学習テンプレート
TreeBagger 決定木の bag of trees の作成
fitcensemble 学習器アンサンブルを分類用に準備
predict バギングされた決定木のアンサンブルの使用による応答の予測
oobPredict out-of-bag 観測に対するアンサンブル予測
fitcecoc サポート ベクター マシンまたはその他の分類器向けのマルチクラス モデルの近似
templateSVM サポート ベクター マシン テンプレート
predict 誤り訂正出力符号マルチクラス分類モデルの使用によるラベルの予測

クラス

ClassificationEnsemble アンサンブル分類器
CompactClassificationEnsemble コンパクトなアンサンブル分類のクラス
ClassificationPartitionedEnsemble 交差検定アンサンブル分類
TreeBagger 決定木の bag of trees
CompactTreeBagger バギングにより成長させた決定木のコンパクトなアンサンブル
ClassificationBaggedEnsemble リサンプリングにより成長させたアンサンブル分類
ClassificationECOC サポート ベクター マシンまたはその他の分類器向けのマルチクラス モデル
CompactClassificationECOC サポート ベクター マシンまたはその他の分類器向けのコンパクトなマルチクラス モデル
ClassificationPartitionedECOC サポート ベクター マシンまたはその他の分類器向けの交差検定されたマルチクラス 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アンサンブル学習器の学習

分類器のアンサンブルに学習をさせる方法を学びます。

アンサンブル学習のフレームワーク

分類学習器アプリで分類器のアンサンブルを構築します。

基本的なアンサンブルの例

ionosphere データセットについて分類木アンサンブルを作成し、このアンサンブルを使用して平均的な測定値をもつレーダー反射の分類を予測します。

アンサンブル品質テスト

アンサンブル品質をより正確に把握する方法について学びます。

分類: 不均衡なデータまたは不等価な誤判別のコスト

クラスの事前確率または誤判別コストの設定について学びます。

カテゴリカル レベルの数が多い分類

カテゴリカル レベルの数が多い予測子が含まれているデータを使用して分類木のアンサンブルに学習をさせます。

アンサンブルの正則化

予測性能を低下させずに、アンサンブルについて選択する弱学習器の数を自動的に少なくします。

RobustBoost の調整

予測精度を高めるために RobustBoost のパラメーターを調整します (RobustBoost には Optimization Toolbox が必要です)。

サロゲート分割

サロゲート分割を使用して、欠損データがある場合の予測性能を向上させます。

TreeBagger の例

標本データに対して TreeBagger を実行します。

並列 Treebagger

TreeBagger を並列に実行することによりパフォーマンスを改善します。

ランダム部分空間の分類

ランダム部分空間アンサンブルを使用して分類の精度を向上させる方法を学びます。

概念

アンサンブル アルゴリズム

複数のアルゴリズムをアンサンブル学習に使用できます。

この情報は役に立ちましたか?