Main Content

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。

resume

交差検証分割における学習器の学習の再開

構文

ens1 = resume(ens,nlearn)
ens1 = resume(ens,nlearn,Name,Value)

説明

ens1 = resume(ens,nlearn) は、すべての分割で ens の学習をさらに nlearn サイクル行います。resume では、関数 fitcensembleens の作成に使用した同じ学習オプションを使用します。

ens1 = resume(ens,nlearn,Name,Value) では、1 つ以上の Name,Value の引数ペアで指定された追加オプションを使用して、ens の学習を行います。

入力引数

ens

交差検証されたアンサンブル分類。ens は次のどちらかの結果です。

  • 交差検証の名前と値のペアの引数を使用した関数 fitcensemble。この名前は、'crossval''kfold''holdout''leaveout'、または 'cvpartition' です。

  • アンサンブル分類に適用される crossval メソッド。

nlearn

ens の追加学習でのサイクル数を示す、正の整数。

名前と値のペアの引数

オプションの Name,Value 引数のコンマ区切りペアを指定します。Name は引数名で、Value は対応する値です。Name は引用符で囲まなければなりません。Name1,Value1,...,NameN,ValueN のように、複数の名前と値のペアの引数を、任意の順番で指定できます。

'nprint'

出力頻度、正の整数のスカラーまたは 'off' (出力しない)。これまでに学習が終了した弱学習器の数をコマンド ラインに返します。大きなデータセットで、多くの学習器を使用してアンサンブルを学習する場合に便利です。

既定値: 'off'

出力引数

ens1

追加学習で拡張された、交差検証したアンサンブル分類 ens

すべて展開する

分割されたアンサンブル分類に 10 サイクル学習をさせ、アンサンブルにさらに数サイクル学習をさせた後で分類損失を比較します。

ionosphere データセットを読み込みます。

load ionosphere

分割されたアンサンブル分類に 10 サイクル学習をさせ、誤差を調べます。

t = templateTree('MaxNumSplits',1); % Weak learner template tree object
cvens = fitcensemble(X,Y,'Method','GentleBoost','NumLearningCycles',10,'Learners',t,'crossval','on');
rng(10,'twister') % For reproducibility
L = kfoldLoss(cvens)
L = 0.0940

さらに 10 サイクル学習をさせ、新しい誤差を調べます。

cvens = resume(cvens,10);
L = kfoldLoss(cvens)
L = 0.0712

10 サイクルの追加学習後、アンサンブルの交差検証誤差が小さくなっています。