新しいデータでモデルに学習をさせる MATLAB コードの生成
回帰学習器アプリで対話的に回帰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に学習を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行ったモデルをアプリで探索し、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する。
他の関数の構文に関する知識を必要としない、モデルに学習をさせるスクリプトを作成する。
コードを調べて、プログラムでモデル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、さらに分析を行うためにコードを変更する。
別のデータに対して分析を繰り返し、学習を自動化する。
コードを生成し、そのコードを使用して新しいデータでモデルに学習をさせるには、以下を行います。
アプリの [モデル] ペインで、コードを生成するモデルを選択します。
[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、モデルの学習方法、および検証方式が含まれています。ファイルを保存します。
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で指定してコマンド 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、データ セット
cartableで学習させた回帰モデルに再学習させるには、次を入力します。[trainedModel,validationRMSE] = trainRegressionModel(cartable)
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、モデルを回帰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。
新しいデータによって同じモデルに学習をさせる処理を自動化する方法や、プログラムでモデルに学習を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。
モデルに学習をさせ、すべてのモデル オプションを指定する。
交差検証を実行する。
統計量を計算する。
検証予測を計算する。
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。
