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。

ClassificationEnsemble

パッケージ: classreg.learning.classif
スーパークラス: CompactClassificationEnsemble

アンサンブル分類器

説明

ClassificationEnsemble は、学習済みの弱学習器モデルのセット、およびそれらの学習器が学習を行ったデータを結合します。この関数では、弱学習器からの予測を集約することにより、新しいデータに対するアンサンブル応答を予測できます。学習に使用したデータが格納され、再代入予測を計算することができ、必要な場合は学習を再開できます。

構築

アンサンブル分類オブジェクトを作成するには、fitcensemble を使用します。

プロパティ

CategoricalPredictors

カテゴリカル予測子のインデックス。正の整数のベクトルを指定します。CategoricalPredictors には、カテゴリカル予測子が含まれている予測子データの列に対応するインデックス値を格納します。どの予測子もカテゴリカルではない場合、このプロパティは空 ([]) になります。

ClassNames

重複が削除された Y の要素のリスト。ClassNames には、数値ベクトル、categorical ベクトル、logical ベクトル、文字配列、文字ベクトルの cell 配列のいずれかを指定できます。ClassNames のデータ型は、引数 Y のデータ型と同じです。(string 配列は文字ベクトルの cell 配列として扱われます)。

CombineWeights

ens による弱学習器の重みの結合法を説明する文字ベクトル。'WeightedSum' または 'WeightedAverage' のどちらかになります。

Cost

正方行列。Cost(i,j) は真のクラスが i である場合に 1 つの点をクラス j に分類するためのコストです (行は真のクラス、列は予測したクラスに対応します)。Cost の行と列の順序は、ClassNames のクラスの順序に対応します。Cost の行および列の数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ExpandedPredictorNames

展開された予測子名。文字ベクトルの cell 配列として格納されます。

モデルがカテゴリカル変数用のエンコーディングを使用している場合、ExpandedPredictorNames には展開された変数を表す名前が格納されます。それ以外の場合、ExpandedPredictorNamesPredictorNames と同じです。

FitInfo

近似情報の数値配列。FitInfoDescription プロパティは、この配列の内容を記述します。

FitInfoDescription

配列 FitInfo の意味を表す文字ベクトル。

HyperparameterOptimizationResults

ハイパーパラメーターの交差検証最適化の説明。BayesianOptimization オブジェクト、またはハイパーパラメーターおよび関連する値が含まれているテーブルとして格納されます。作成時に名前と値のペア OptimizeHyperparameters が空ではない場合、これは空ではありません。値は、作成時の名前と値のペア HyperparameterOptimizationOptions の設定によって決まります。

  • 'bayesopt' (既定) — BayesianOptimization クラスのオブジェクト

  • 'gridsearch' または 'randomsearch' — 使用したハイパーパラメーター、観測された目的関数の値(交差検証損失)、および最低 (最良) から最高 (最悪) までの観測値の順位が格納されているテーブル

LearnerNames

アンサンブルに含まれている弱学習器の名前をもつ文字ベクトルの cell 配列。各学習器の名前は一度だけ現れます。たとえば、ツリーが 100 本のアンサンブルの場合は、LearnerNames{'Tree'} になります。

Method

ens を作成する方法を表す文字ベクトル。

ModelParameters

ens の学習に使用されるパラメーター。

NumObservations

学習データにある観測値の数を含む数値スカラー。

NumTrained

ens の学習済みの弱学習器の数、スカラー。

PredictorNames

予測子変数の名前の cell 配列。並びは X に現れる順です。

Prior

各クラスの事前確率の数値ベクトル。Prior の要素の順序は、ClassNames のクラスの順序に対応します。Prior の要素数は、応答に含まれている一意なクラスの数です。このプロパティは読み取り専用です。

ReasonForTermination

fitcensemble がアンサンブルへの弱学習器の追加を停止した理由を表す文字ベクトル。

ResponseName

応答変数 Y の名前をもつ文字ベクトル。

ScoreTransform

スコア変換用の関数ハンドル、または組み込みの変換関数を表す文字ベクトル。'none' は変換なしを意味します。等価的には、'none'@(x)x です。組み込みの変換関数のリストとカスタム変換関数の構文は、fitctree を参照してください。

ドット表記を使用して関数 ScoreTransform を追加または変更します。

ens.ScoreTransform = 'function'

または

ens.ScoreTransform = @function

Trained

学習済み分類モデルの cell ベクトル。

  • Method'LogitBoost' または 'GentleBoost' の場合、ClassificationEnsembleTrained{j} に格納されているオブジェクトの CompactRegressionLearner プロパティに訓練済み学習器 j を格納します。 つまり、訓練済み学習器 j にアクセスするには、ens.Trained{j}.CompactRegressionLearner を使用します。

  • それ以外の場合、対応するコンパクトな分類モデルが cell ベクトルのセルに格納されます。

TrainedWeights

ens の弱学習器のための学習済み重みを表す数値ベクトル。 TrainedWeights には T 個の要素があり、Tlearners の弱学習器の数を表します。

UsePredForLearner

サイズ PNumTrained 列の logical 行列であり、ここで、P は学習データ X の予測子 (列) の数です。UsePredForLearner(i,j) は、学習器 j が予測子 i を使用するときに true になり、それ以外の場合は false になります。それぞれの学習器に対して、予測子は学習データ X の列と同じ順序になります。

アンサンブルが Subspace 型ではない場合、UsePredForLearner 内のすべてのエントリは true です。

W

スケールされた weights、長さ n のベクトル、X の行の数。W の要素の合計は 1 です。

X

アンサンブル学習に使用された予測子値の行列。X の各列が 1 つの変数を表し、各行が 1 つの観測値を表します。

Y

数値ベクトル、categorical ベクトル、logical ベクトル、文字配列、または文字ベクトルの cell 配列。Y の各行は、X の対応する行の分類を表します。

メソッド

compactコンパクトなアンサンブル分類
crossval交差検証を使用したアンサンブル
resubEdge再代入による分類エッジ
resubLoss再置換による分類誤差
resubMargin再代入による分類マージン
resubPredict再代入によるアンサンブル応答の予測
resume学習アンサンブルの再開

継承メソッド

edge分類エッジ
loss分類誤差
margin分類マージン
predict分類モデルのアンサンブルの使用によるラベルの予測
predictorImportance予測子の重要度の推定
removeLearnersコンパクトアンサンブル分類のメンバーの削除

コピーのセマンティクス

値。値のクラスがコピー操作に与える影響については、オブジェクトのコピー (MATLAB)を参照してください。

すべて折りたたむ

ionosphere データセットを読み込みます。

load ionosphere

すべての測定値と AdaBoostM1 メソッドを使用して、100 本の分類木があるブースティングされたアンサンブルに学習をさせます。

Mdl = fitcensemble(X,Y,'Method','AdaBoostM1')
Mdl = 
  classreg.learning.classif.ClassificationEnsemble
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
               NumTrained: 100
                   Method: 'AdaBoostM1'
             LearnerNames: {'Tree'}
     ReasonForTermination: 'Terminated normally after completing the requested number of training cycles.'
                  FitInfo: [100x1 double]
       FitInfoDescription: {2x1 cell}


  Properties, Methods

MdlClassificationEnsemble モデル オブジェクトです。

Mdl.Trained は、アンサンブルを構成する学習済み分類木 (CompactClassificationTree モデル オブジェクト) の 100 行 1 列の cell ベクトルが格納されているプロパティです。

1 番目の学習済み分類木のグラフをプロットします。

view(Mdl.Trained{1},'Mode','graph')

既定の設定では、fitcensemble はブースティングされた木のアンサンブルに対して浅い木を成長させます。

X の平均のラベルを予測します。

predMeanX = predict(Mdl,mean(X))
predMeanX = 1x1 cell array
    {'g'}

ヒント

分類木のアンサンブルの場合、コンパクトな分類モデルから成る ens.NumTrained 行 1 列の cell ベクトルが ensTrained プロパティに格納されます。cell ベクトルの木 t をテキストまたはグラフィックで表示するには、以下を入力します。

  • LogitBoost または GentleBoost を使用して集約したアンサンブルの場合は「view(ens.Trained{t}.CompactRegressionLearner)」。

  • 他のすべての集約方法の場合は「view(ens.Trained{t})」。

拡張機能

R2011a で導入