Main Content

このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。

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

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、および結果の評価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、サポート ベクター マシン、ロジスティック回帰、最近傍、単純ベイズ、アンサンブル、ニューラル ネットワーク分類など、最適な分類モデルのタイプを探すことができます。

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できます。こうしたデータを使用してモデルを学習させると、新しいデータに対する応答の予測を生成できるようになります。モデルに新しいデータを使用したり、プログラムによる分類について学ぶには、モデルをワークスペースにエクスポートするか、学習済みのモデルを再作成する MATLAB® コードを生成します。

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™

メモ: MATLAB Online™ の分類学習器を使用すると、Cloud Center クラスターを使用して並列的にモデルに学習をさせることができます (Parallel Computing Toolbox™ が必要)。詳細については、MATLAB Online における Cloud Center クラスターとの Parallel Computing Toolbox の使用 (Parallel Computing Toolbox)を参照してください。

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。

プログラムによる使用

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。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。

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。

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。

  • '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。

R2015a で導入