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。

gather

GPU による機械学習モデルのプロパティの収集

    説明

    gatheredMdl = gather(mdl) は、回帰または分類入力モデル mdl のすべてのプロパティを収集し、収集モデル gatheredMdl を返します。出力モデルのすべてのプロパティは、ローカル ワークスペースに格納されます。

    gather を使用して、GPU 配列として格納されたデータを使用してあてはめられたモデルから、ローカル ワークスペースに格納されたプロパティをもつ機械学習モデルを作成します。GPU 配列の詳細については、gpuArray (Parallel Computing Toolbox) を参照してください。

    [gatheredMdl1,gatheredMdl2,...,gatheredMdln] = gather(mdl1,mdl2,...,mdln) は、複数のモデル mdl1,mdl2,...,mdln のすべてのプロパティを収集し、対応する収集モデル gatheredMdl1,gatheredMdl2,...,gatheredMdln を返します。入力引数と出力引数の数は一致しなければなりません。

    すべて折りたたむ

    GPU 配列データであてはめられた線形回帰モデルのプロパティを収集します。

    carsmall データセットを読み込みます。車両の 3 つのパフォーマンス メトリクスを格納する数値行列として X を作成します。ガロンあたりの走行マイル数を格納する数値ベクトルとして Y を作成します。

    load carsmall
    X = [Weight,Horsepower,Acceleration];
    Y = MPG;

    予測子 X および応答 YgpuArray (Parallel Computing Toolbox)オブジェクトに変換します。

    X = gpuArray(X);
    Y = gpuArray(Y);

    fitlm を使用して、線形回帰モデル mdl をあてはめます。

    mdl = fitlm(X,Y);

    mdl の係数を表示し、推定された係数値が GPU 配列であるかどうかを判定します。

    mdl.Coefficients
    ans=4×4 table
                        Estimate        SE          tStat        pValue  
                       __________    _________    _________    __________
    
        (Intercept)        47.977       3.8785        12.37    4.8957e-21
        x1             -0.0065416    0.0011274      -5.8023    9.8742e-08
        x2              -0.042943     0.024313      -1.7663       0.08078
        x3              -0.011583      0.19333    -0.059913       0.95236
    
    
    isgpuarray(mdl.Coefficients.Estimate)
    ans = logical
       1
    
    

    線形回帰モデルのプロパティを収集します。

    gatheredMdl = gather(mdl);

    gatheredMdl の係数を表示し、推定された係数値が GPU 配列であるかどうかを判定します。

    gatheredMdl.Coefficients
    ans=4×4 table
                        Estimate        SE          tStat        pValue  
                       __________    _________    _________    __________
    
        (Intercept)        47.977       3.8785        12.37    4.8957e-21
        x1             -0.0065416    0.0011274      -5.8023    9.8742e-08
        x2              -0.042943     0.024313      -1.7663       0.08078
        x3              -0.011583      0.19333    -0.059913       0.95236
    
    
    isgpuarray(gatheredMdl.Coefficients.Estimate)
    ans = logical
       0
    
    

    線形回帰モデルと k 最近傍分類器のプロパティを収集します。どちらのモデルも GPU 配列データを使用してあてはめられています。

    carsmall データセットを読み込みます。車両の 3 つのパフォーマンス メトリクスを格納する数値行列として X を作成し、予測子 XgpuArray オブジェクトに変換します。

    load carsmall
    X = [Weight,Horsepower,Acceleration];
    X = gpuArray(X);

    MPG (ガロンあたりの走行マイル数) の線形回帰モデルを予測子 X の関数としてあてはめます。

    mdlLinear = fitlm(X,MPG);

    3 最近傍分類器を予測子 X とクラス Cylinders を使用して学習させます。非カテゴリカル予測子データを標準化します。

    mdlKNN = fitcknn(X,Cylinders,'NumNeighbors',3,'Standardize',1);

    mdLinear モデルと mdlKNN モデルのプロパティを収集します。

    [gMdlLinear,gMdlKNN] = gather(mdlLinear,mdlKNN);

    回帰モデル mdlLinear に対するダービン・ワトソン検定の p 値が GPU 配列であるかどうかを判定します。

    isgpuarray(dwtest(mdlLinear))
    ans = logical
       1
    
    

    収集した回帰モデル gMdlLinear に対するダービン・ワトソン検定の p 値が GPU 配列であるかどうかを判定します。

    isgpuarray(dwtest(gMdlLinear))
    ans = logical
       0
    
    

    分類器 mdlKNN の再代入損失が GPU 配列であるかどうかを判定します。

    isgpuarray(resubLoss(mdlKNN))
    ans = logical
       1
    
    

    収集した分類器 gMdlKNN の再代入損失が GPU 配列であるかどうかを判定します。

    isgpuarray(resubLoss(gMdlKNN))
    ans = logical
       1
    
    

    入力引数

    すべて折りたたむ

    GPU 配列を使ってあてはめられた機械学習モデル。回帰または分類モデル オブジェクトとして指定します。サポートされるモデルは次の表に記載されています。

    モデル オブジェクト名モデルの説明モデル作成関数
    LinearModel完全な線形回帰モデルfitlm
    CompactLinearModelコンパクトな線形回帰モデルLinearModel オブジェクト関数 compact
    GeneralizedLinearModel完全な一般化線形回帰モデルfitglm
    CompactGeneralizedLinearModelコンパクトな一般化線形回帰モデルGeneralizedLinearModel オブジェクト関数 compact
    ClassificationKNNk 最近傍分類モデルfitcknn

    GPU 配列を使ってあてはめられたコンパクトなモデルを作成する場合、compact の入力引数 mdl は、GPU 配列の入力引数を使ってあてはめられた完全なモデル オブジェクトでなければなりません。

    拡張機能

    R2020b で導入