Main Content

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。

対話的に分類アンサンブルを調べるには、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には、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 [12] を成長させます。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。詳細については、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 [12] 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

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

ClassificationEnsemble Predict決定木のアンサンブルを使用して観測値を分類 (R2021a 以降)
ClassificationECOC Predict誤り訂正出力符号 (ECOC) 分類モデルを使用して観測値を分類 (R2023a 以降)

関数

すべて展開する

templateDiscriminant判別分析分類器テンプレート
templateECOC誤り訂正出力符号学習器のテンプレート
templateEnsembleアンサンブル学習テンプレート
templateKNNk 最近傍分類器テンプレート
templateLinear線形学習器テンプレート
templateNaiveBayes単純ベイズ分類器テンプレート
templateSVMサポート ベクター マシン テンプレート
templateTree決定木テンプレートの作成

アンサンブル分類の作成

fitcensembleアンサンブル学習器を分類用に準備
compactアンサンブル分類モデルのサイズの縮小

アンサンブル分類の変更

resumeアンサンブル分類モデルの学習の再開
removeLearnersコンパクトアンサンブル分類のメンバーの削除

アンサンブル分類の解釈

limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 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
predictorImportance決定木の分類アンサンブルに関する予測子の重要度の推定
shapleyシャープレイ値 (R2021a 以降)

アンサンブル分類の交差検証

crossvalアンサンブル分類モデルの交差検証
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
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
kfoldfun分類での関数の交差検証

パフォーマンスの測定

lossアンサンブル分類モデルの分類損失
resubLossアンサンブル分類モデルの再代入分類損失
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アンサンブル分類モデルの分類エッジ
marginアンサンブル分類モデルの分類マージン
resubEdgeアンサンブル分類モデルの再代入分類エッジ
resubMarginアンサンブル分類モデル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分類モデルのアンサンブルを使用して観測値を分類
resubPredictアンサンブル分類モデルの観測値の分類
oobPredictアンサンブルの out-of-bag 応答を予測する

アンサンブル分類のプロパティの収集

gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 (R2020b 以降)
fitcensembleアンサンブル学習器を分類用に準備
TreeBaggerバギングされた決定木のアンサンブル
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
oobPredictout-of-bag 観測に対するアンサンブル予測

ECOC の作成

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
compactマルチクラス誤り訂正出力符号 (ECOC) モデルのサイズを縮小

ECOC の変更

discardSupportVectorsECOC モデルの線形 SVM バイナリ学習器のサポート ベクターを破棄

ECOC の解釈

limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 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)

ECOC の交差検証

crossvalマルチクラス誤り訂正出力符号 (ECOC) モデルの交差検証
kfoldEdge交差検証済み ECOC モデルの分類エッジ
kfoldLoss交差検証済み ECOC モデルの分類損失
kfoldMargin交差検証済み ECOC モデルの分類マージン
kfoldPredict交差検証済み ECOC モデルの観測値の分類
kfoldfun交差検証済み ECOC モデルを使用する交差検証関数

パフォーマンスの測定

lossマルチクラス誤り訂正出力符号 (ECOC) モデルの分類損失
resubLossマルチクラス誤り訂正出力符号 (ECOC) モデルの再代入分類損失
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マルチクラス誤り訂正出力符号 (ECOC) モデルの分類エッジ
marginマルチクラス誤り訂正出力符号 (ECOC) モデルの分類マージン
resubEdgeマルチクラス誤り訂正出力符号 (ECOC) モデルの再代入分類エッジ
resubMarginマルチクラス誤り訂正出力符号 (ECOC) モデル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マルチクラス誤り訂正出力符号 (ECOC) モデルを使用して観測値を分類
resubPredictマルチクラス誤り訂正出力符号 (ECOC) モデル内の観測値を分類

ECOC のプロパティの収集

gatherGPU からの Statistics and Machine Learning Toolbox オブジェクトのプロパティの収集 (R2020b 以降)

クラス

すべて展開する

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交差検証アンサンブル分類
TreeBaggerバギングされた決定木のアンサンブル
CompactTreeBaggerバギンされ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 (SVM) などの分類器用のマルチクラス モデル
CompactClassificationECOCサポート ベクター マシン (SVM) などの分類器用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 (SVM) またはその他の分類器向けの交差検証済みマルチクラス ECOC モデル

トピック