新しいデータでモデルに学習をさせる MATLAB コードの生成

分類学習器で対話的に分類モデルを作成した後で、最適なモデルについて MATLAB® コードを生成できます。このコードは、新しいデータでモデルを学習させるために使用できます。

以下を行う MATLAB コードを生成します。

  • 大規模なデータ セットでの学習。データのサブセットで学習をしたモデルをアプリで探索、そこで選択したモデルに大規模なデータ セットで学習をさせるコードを生成

  • 他の関数構文の学習を必要としない、モデルに学習をさせるスクリプトを作成

  • コードを調べて、プログラムで分類器に学習をさせる方法を学ぶ

  • アプリでは変更できないオプションを設定するなど、さらなる分析用にコードを変更

  • 別のデータに対して分析を繰り返し、学習を自動化

  1. 分類学習器の [モデル] ペインで、コードを生成するモデルを選択します。

  2. [学習] タブの [エクスポート] セクションで [関数の生成] をクリックします。

    コードがセッションから生成され、ファイルが MATLAB のエディターに表示されます。このファイルには、予測子、応答、分類器の学習方法、および検証方式が含まれます。ファイルを保存します。

  3. 分類器のモデルに再学習させるには、元のデータまたは新しいデータを入力引数として指定してコマンド ラインで関数を呼び出します。新しいデータは、元のデータと同じ形状でなければなりません。

    生成されたコードの 1 行目から function という単語を除いた部分をコピーし、学習データまたは新しいデータの変数名を反映するように入力引数 trainingData を編集します。同様に、responseData 入力引数を編集します (該当する場合)。

    たとえば、fishertable データ セットで学習させた分類器を再学習させるには、次のように入力します。

    [trainedModel,validationAccuracy] = trainClassifier(fishertable)

    生成されるコードは、構造体 trainedModel を返します。この構造体には、分類器を分類学習器からワークスペースにエクスポートすると作成される構造体と同じフィールドが含まれています。

  4. 同一の分類器を新しいデータによって学習させる処理を自動化する方法や、プログラムで分類器を学習させる方法については、生成されたコードを確認してください。このコードには、次の処理を行う方法が示されています。

    • 正しい形状になるようにデータを処理する。

    • 分類器を学習させ、すべての分類器オプションを指定する。

    • 交差検証を実行する。

    • 検証精度を計算する。

    • 検証予測とスコアを計算する。

    メモ

    学習済み最適化可能なモデルから MATLAB コードを生成すると、生成されたコードに最適化プロセスは含まれません。