このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

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

このページをすべて展開する

説明

分類学習器アプリは、モデルにデータ分類を学習させます。このアプリでは、さまざまな分類器を使用する教師あり機械学習を調べることができます。データの調査、特徴量の選択、検証方式の指定、モデルの学習とハイパーパラメーターの最適化、結果の評価、および特定の予測子がモデル予測にどの程度寄与しているかの調査を行うことができます。自動化された学習を実行して、決定木、判別分析モデル、サポート ベクター マシン、ロジスティック回帰モデル、最近傍、単純ベイズ モデル、カーネル近似モデル、アンサンブル モデル、ニューラル ネットワーク分類モデルなど、最適な分類モデルのタイプを探します。モデルを比較するには、アプリでメトリクス結果テーブルを使用して結果プロットを表示します。

既知の入力データのセット (観測値または例) とデータに対する既知の応答 (ラベルまたはクラス) を与えることにより、教師あり機械学習を実行します。こうしたデータを使用してモデルに学習させると、新しいデータに対する応答の予測が生成されます。その後、テスト データ セットを使用してモデルの性能をチェックできます。モデルが予測子を使用してどのように予測を行うかを理解するには、部分依存プロット、LIME 値、シャープレイ値などのグローバルとローカルの解釈可能性ツールを使用します。

学習済みモデルに新しいデータを使用するには、モデルをワークスペース、Simulink®、および MATLAB® Production Server™ にエクスポートします。アプリの外部で学習済みのモデルを再作成する MATLAB コードを生成し、プログラムによる分類とモデル学習ワークフローのさらなるカスタマイズを調べることができます。モデルの学習コードを実験マネージャーにエクスポートして、学習データの変更、ハイパーパラメーター検索範囲の調整、カスタム学習実験の実行などの追加タスクを実行します。

ヒント

はじめに、分類器の一覧で、選択されたモデルに学習をさせるため [すべてのクイック学習] を試してください。自動化された分類器の学習を参照してください。

必要な製品

  • MATLAB

  • Statistics and Machine Learning Toolbox™

Classification Learner app

分類学習器 アプリを開く

  • MATLAB ツールストリップ: [アプリ] タブの [機械学習] でアプリ アイコンをクリックします。

  • MATLAB コマンド プロンプト: 「classificationLearner」と入力します。

例

プログラムでの使用

すべて展開する

classificationLearner は、分類学習器アプリを開きます。既に開いている場合はアプリにフォーカスを移動します。

classificationLearner(Tbl,ResponseVarName) は、分類学習器アプリを開いて、table Tbl に格納されているデータを [引数からの新規セッション] ダイアログ ボックスに入力します。ResponseVarName 引数は、クラス ラベルが含まれている Tbl 内の応答変数の名前で、文字ベクトルまたは string スカラーとして指定します。応答変数に 500 を超える一意のクラス ラベルを含めることはできません。Tbl 内の他の変数は予測子変数です。

classificationLearner(Tbl,Y) は、分類学習器アプリを開いて、table Tbl 内の予測子変数とベクトル Y 内のクラス ラベルを [引数からの新規セッション] ダイアログ ボックスに入力します。応答 Y は、categorical 配列、文字配列、string 配列、logical ベクトル、数値ベクトル、または文字ベクトルの cell 配列として指定できます。Y に 500 を超える一意のクラス ラベルを含めることはできません。

classificationLearner(X,Y) は、分類学習器アプリを開いて、n 行 p 列の予測子行列 X とベクトル Y 内の n 個のクラス ラベルを [引数からの新規セッション] ダイアログ ボックスに入力します。X の各行は 1 つの観測値に対応し、各列は 1 つの変数に対応します。Y の長さと X の行数は等しくなければなりません。Y に 500 を超える一意のクラス ラベルを含めることはできません。

classificationLearner(___,Name,Value) では、前の構文におけるいずれかの入力引数の組み合わせに加えて、以下の 1 つ以上の名前と値の引数を使用して交差検証オプションを指定します。たとえば、"KFold",10 を指定すると 10 分割交差検証方式を使用できます。

  • "CrossVal" は交差検証フラグで、"on" (既定) または "off" として指定します。"on" を指定した場合、5 分割交差検証が使用されます。"off" を指定した場合、再代入検証が使用されます。

    名前と値の引数 "Holdout" または "KFold" を使用すると、"CrossVal" の交差検証の設定をオーバーライドできます。これらの引数は、一度に 1 つだけ指定できます。

  • "Holdout" はホールドアウト検証に使用されるデータの比率で、[0.05,0.5] の範囲の数値スカラーとして指定します。残りのデータは学習に使用されます (指定した場合はテストにも使用されます)。

  • "KFold" は交差検証に使用する分割の数で、[2,50] の範囲の正の整数として指定します。

  • "TestDataFraction" はテスト用に確保されるデータの比率で、[0,0.5] の範囲の数値スカラーとして指定します。

classificationLearner(filename) は、以前に保存した filename のセッションで分類学習器アプリを開きます。filename 引数は文字ベクトルまたは string スカラーとして指定します。分類学習器のセッション ファイルの名前に加え、現在のフォルダー以外にある場合はファイルのパスも含める必要があります。ファイルの拡張子は .mat でなければなりません。

制限

  • 分類学習器では、MATLAB Online™ での MATLAB Production Server へのモデル展開はサポートされていません。

バージョン履歴

R2015a で導入

参考

アプリ

関数