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。

インクリメンタル学習

分類モデルのストリーミング データへのあてはめと、そのパフォーマンスの追跡

インクリメンタル学習 (オンライン学習) では、予測子変数の分布、目的関数の要素、観測値のラベル付けなどがほとんど未知、またはまったく未知の可能性のある、データ ストリームからの入力データを処理します。インクリメンタル学習は従来の機械学習の手法とは異なり、モデルへのあてはめ、ハイパーパラメーター調整のための交差検証の実行、および予測子の分布の推測を行うために、十分にラベル付けされたデータを使用できます。

インクリメンタル学習では、構成済みのインクリメンタル モデルが必要です。incrementalClassificationLinear などのオブジェクトを呼び出して、直接、インクリメンタル モデルを作成および構成できます。または、incrementalLearner を使用して、サポートされている従来の学習済みのモデルをインクリメンタル学習器に変換できます。モデルを構成してデータ ストリームを設定した後、インクリメンタル モデルをデータの入力チャンクにあてはめてモデルの予測パフォーマンスを追跡することや、両方のアクションを同時に実行することができます。

詳細については、インクリメンタル学習の概要を参照してください。

関数

すべて展開する

線形バイナリ分類モデル

incrementalLearnerバイナリ分類サポート ベクター マシン (SVM) モデルのインクリメンタル学習器への変換
incrementalLearnerバイナリ分類用の線形モデルをインクリメンタル学習器に変換

単純ベイズ モデル

incrementalLearner単純ベイズ分類モデルのインクリメンタル学習器への変換

線形バイナリ分類モデル

fitインクリメンタル学習用の線形モデルの学習
updateMetricsインクリメンタル学習用の線形モデルの新しいデータに基づくパフォーマンス メトリクスの更新
updateMetricsAndFitインクリメンタル学習用の線形モデルの新しいデータに基づくパフォーマンス メトリクスの更新とモデルの学習

単純ベイズ モデル

fitインクリメンタル学習用の単純ベイズ分類モデルの学習
updateMetricsインクリメンタル学習用の単純ベイズ分類モデルの新しいデータに基づくパフォーマンス メトリクスの更新
updateMetricsAndFitインクリメンタル学習用の単純ベイズ分類モデルの新しいデータに基づくパフォーマンス メトリクスの更新とモデルの学習

線形バイナリ分類モデル

predictインクリメンタル学習用の線形モデルからの新しい観測の応答予測
lossデータのバッチでのインクリメンタル学習用線形モデルの損失

単純ベイズ モデル

predictインクリメンタル学習用の単純ベイズ分類モデルからの新しい観測の応答予測
lossデータのバッチでのインクリメンタル学習用単純ベイズ分類モデルの損失
logpインクリメンタル学習用の単純ベイズ分類モデルの対数条件なし確率密度

オブジェクト

incrementalClassificationLinearインクリメンタル学習用のバイナリ分類線形モデル
incrementalClassificationNaiveBayesインクリメンタル学習用の単純ベイズ分類モデル

トピック

インクリメンタル学習の概要

インクリメンタル学習のオブジェクト、関数、ワークフローなど、インクリメンタル学習の基本的な概念について確認する。

インクリメンタル学習モデルの構成

インクリメンタル性能評価およびデータ ストリームでの学習用に、インクリメンタル学習モデルを準備する。

簡潔なワークフローを使用した分類用のインクリメンタル学習の実装

簡潔なワークフローを使用して、逐次予測評価を伴うバイナリ分類用のインクリメンタル学習を実装する。

柔軟なワークフローを使用した分類用のインクリメンタル学習の実装

柔軟なワークフローを使用して、逐次予測評価を伴うバイナリ分類用のインクリメンタル学習を実装する。

分類学習器で学習させたロジスティック回帰モデルからのインクリメンタル学習モデルの初期化

分類学習器アプリを使用してロジスティック回帰モデルに学習させた後、推定された係数を使用してバイナリ分類用のインクリメンタル モデルを初期化する。

インクリメンタル学習中の条件付き学習の実行

柔軟なワークフローを使用して、単純ベイズ マルチクラス分類モデルによるインクリメンタル学習中に条件付き学習を実装する。