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。

最近傍

Kd 木探索を使用する k 最近傍分類

k 最近傍法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 fitcknn を使用して k 最近傍法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

fitcknn k 最近傍分類器の近似
predict k 最近傍分類モデルの使用によるラベルの予測
templateKNN k 最近傍分類器テンプレート
ExhaustiveSearcher 網羅的最近傍探索モデルを準備
KDTreeSearcher Kd 木を成長
createns k 最近傍点検索で使用するオブジェクトの作成

オブジェクトの使用

ClassificationKNN k 最近傍分類
ClassificationPartitionedModel 交差検定分類モデル
ExhaustiveSearcher 網羅的最近傍探索モデル
KDTreeSearcher Kd 木による最近傍探索

例および操作のヒント

分類学習器を使用した最近傍分類器の学習

最近傍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。

k - 最近傍点検索および半径検索

n 個の点と距離関数のセット X があれば、k 最近傍点 (kNN) 検索により、X 内のクエリ点またはクエリ点の集合 Y に対する k 最近傍点を検索できます。正の実数値 r に対し、半径探索は Y の各点からの距離が r 以内である X のすべての点を探索します。

KNN 分類器の構築

フィッシャーのアヤメのデータに対して k 最近傍分類器を構築します。

KNN 分類器の品質の確認

再代入と交差検定を使用して k 最近傍分類器の品質を調べます。

KNN 分類器を使用した分類の予測

k 最近傍分類器に対する分類を予測します。

KNN 分類器の修正

k 最近傍分類器を修正します。

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。

ペア単位の距離計量

学習データセット内の点に対する距離に基づいてクエリ点を分類すると、新しい点を簡単かつ有効に分類できます。

k - 最近傍点検索および半径検索

n 個の点と距離関数のセット X があれば、k 最近傍点 (kNN) 検索により、X 内のクエリ点またはクエリ点の集合 Y に対する k 最近傍点を検索できます。正の実数値 r に対し、半径探索は Y の各点からの距離が r 以内である X のすべての点を探索します。

教師あり学習での k 最近傍分類

ClassificationKNN 分類モデルでは、以下を行うことができます。

この情報は役に立ちましたか?