分類学習器アプリ
分類モデルの対話的な学習、検証、調整
バイナリ問題またはマルチクラス問題用に分類モデルの学習と検証を行うための各種のアルゴリズムから選択します。複数のモデルに学習をさせた後で、検証誤差を並べて比較し、最適なモデルを選択します。使用するアルゴリズムの決定方法については、分類学習器アプリにおける分類モデルの学習を参照してください。
このフローチャートは、分類学習器アプリで分類モデル、または分類器に学習させるための一般的なワークフローを示しています。
分類学習器で学習させたいずれかのモデルを使用して実験を実行する場合は、モデルを実験マネージャー アプリにエクスポートできます。詳細については、分類学習器から実験マネージャーへのモデルのエクスポートを参照してください。
回帰モデルの学習と検証を行う方法については、回帰学習器を参照してください。
トピック
一般的なワークフロー
- Start a Classification Learner or Regression Learner Session
Start an app session by importing data from a file or the workspace, or by opening a saved app session. - Select Validation Scheme in Classification Learner or Regression Learner
Select a validation scheme to examine the predictive accuracy of models that you train. - 分類学習器アプリにおける分類モデルの学習
自動、手動および並列学習など、分類モデルの学習、比較および改善を行うためのワークフローです。 - 分類器のオプションの選択
分類学習器で、選択したモデルに自動的に学習させるか、決定木、判別分析、ロジスティック回帰、単純ベイズ、サポート ベクター マシン、最近傍、カーネル近似、アンサンブル、およびニューラル ネットワークのモデルでオプションを比較および調整する。 - Import Trained Model from Workspace into Classification Learner or Regression Learner
Import a trained model, including its training data, from the workspace at the start of a new session, or import a compatible trained model during the current session. (R2026a 以降) - 分類学習器アプリを使用した決定木の学習
分類木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。
カスタマイズされたワークフロー
- 分類学習器アプリの使用による特徴選択と特徴変換
分類学習器で、プロットまたは特徴ランク付けアルゴリズムを使用して有用な予測子を識別し、含める特徴量を選択し、PCA を使用して特徴量を変換する。 - 分類学習器アプリのハイパーパラメーターの最適化
ハイパーパラメーターの最適化を使用して分類モデルのハイパーパラメーターを自動的に調整します。 - 分類学習器アプリでハイパーパラメーターの最適化を使用した分類器の学習
最適化されたハイパーパラメーターで分類サポート ベクター マシン (SVM) モデルに学習させます。 - 分類学習器アプリの誤分類コスト
分類モデルに学習させる前に、クラス間での観測値の誤分類に関連付けられるコストを指定します。 - 分類学習器アプリの誤分類コストを使用した分類器の学習および比較
誤分類コストを指定した後に分類器を作成し、モデルの精度および総誤分類コストを比較します。 - Edit Customizable Neural Network Using Network Editor in Classification Learner or Regression Learner
Edit a customizable neural network using the Network Editor, and then train the model and use training progress plots to check for overfitting. (R2026a 以降) - 産業機械と製造工程の条件モデルの作成
分類学習器アプリを使用してバイナリ分類モデルに学習させて、産業製造機械から収集されたセンサー データの異常を検出する。 - スマートフォン展開用の行動認識 Simulink モデル
スマートフォンへの展開用に準備された Simulink® の分類モデルからコードを生成します。
モデルの性能評価
- 分類学習器における分類器の性能の可視化と評価
モデルの精度の値を比較し、クラスの予測をプロットすることにより結果を可視化し、混同行列でクラスごとの性能をチェックする。 - 分類学習器アプリにおけるテスト セットを使用した分類器の性能チェック
テスト セットを分類学習器にインポートし、最適な学習済みモデルのテスト セット メトリクスをチェックする。 - Use Partial Dependence Plots to Interpret Classifiers Trained in Classification Learner App
Determine how features are used in trained classifiers by creating partial dependence plots. - Test Trained Models in Classification Learner or Regression Learner
Test trained models to assess performance in real-world scenarios with unseen data. - Explain Model Predictions for Classifiers Trained in Classification Learner App
To understand how trained classifiers use predictors to make predictions, use global and local interpretability tools, such as permutation importance plots, partial dependence plots, LIME values, and Shapley values.
モデル、分割、データ セット、プロットのエクスポート
- 新しいデータを予測するための分類モデルのエクスポート
分類学習器でモデルに学習させた後、新しいデータで予測を行うためにワークスペースにモデルをエクスポートし、MATLAB® Compiler™ にモデルを展開する。 - Export Classification Model to MATLAB Coder to Generate C/C++ Code
After training a model in Classification Learner, export the model to MATLAB Coder™ to generate C/C++ code for prediction. - 新しいデータでモデルに学習をさせる MATLAB コードの生成
分類学習器でモデルに学習させた後に MATLAB コードを生成する。 - 機械学習アプリからエクスポートされたモデルを使用したコマンド ラインでのコード生成
分類学習器アプリを使用して分類モデルに学習させ、MATLAB コマンド ラインで予測用の C/C++ コードを生成する。 - 分類学習器で学習させたバイナリ GLM ロジスティック回帰モデルのコード生成
この例では、分類学習器を使用してバイナリ GLM ロジスティック回帰モデルに学習させ、エクスポートされた分類モデルを使用してラベルを予測する C コードを生成する方法を示します。 - Simulink で予測を行うための分類モデルのエクスポート
分類学習器でモデルに学習させ、そのモデルを Simulink にエクスポートする。 - Export Classification Model for Deployment to MATLAB Production Server
After training a model in Classification Learner, export the model for deployment to MATLAB Production Server™. - 分類学習器で学習させたモデルの MATLAB Production Server への展開
分類学習器でモデルに学習させ、MATLAB Production Server への展開用にエクスポートする。 - Export Partitions and Data Sets from Classification Learner or Regression Learner
In Classification Learner and Regression Learner, export validation partitions, test partitions, and data sets to the workspace. (R2026a 以降) - 分類学習器アプリのプロットのエクスポート
学習の前後で作成したプロットをエクスポートおよびカスタマイズします。
実験マネージャーのワークフロー
- 分類学習器から実験マネージャーへのモデルのエクスポート
実験を複数実行するために分類モデルを実験マネージャーにエクスポートする。 - 実験マネージャーを使用した分類モデルの調整
実験マネージャーでさまざまな学習データ セット、ハイパーパラメーター、可視化を使用して効率的な線形分類器を調整する。
関連情報
- MATLAB の機械学習
- 実験の管理 (Deep Learning Toolbox)
授業用リソース
バイオサイエンスのための機械学習
生物学に基づいた例を使って機械学習の基礎を学習する。
