Main Content

インクリメンタル学習

分類モデルのストリーミング データへの当てはめと、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、目的関数の素性、観測値にラベル付けがされているか等についてほぼ知識が無い時に、データ ストリームから入ってくるデータを処理します。従来の機械学習の手法は、モデルへの当てはめに十分にラベル付けされたデータを使用でき、交差検証を実施してハイパーパラメーターを調整し、予測子の分布特性を推論するもので、インクリメンタル学習問題とは対照的です。

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当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。

分類誤差など、概念データのドリフトをインクリメンタルに監視することもできます。最初に、incrementalConceptDriftDetector を使用してドリフト検出器を構成する必要があります。データ ストリームを設定した後、detectdrift を使用してドリフト検出器を更新し、ドリフトを検出できます。詳細については、リファレンス ページを参照してください。

ブロック

IncrementalClassificationLinear PredictClassify observations using incremental linear classification model (R2023b 以降)
IncrementalClassificationLinear FitFit incremental linear binary classification model (R2023b 以降)
IncrementalClassificationECOC PredictClassify observations using incremental ECOC classification model (R2024a 以降)
IncrementalClassificationECOC FitFit incremental ECOC classification model (R2024a 以降)
Update MetricsUpdate performance metrics in incremental learning model given new data (R2023b 以降)

関数

すべて展開する

インクリメンタル ドリフト認識モデルの作成

incrementalDriftAwareLearnerインクリメンタル学習用のドリフト認識モデルを構築 (R2022b 以降)

インクリメンタルな当てはめと、パフォーマンスの追跡

fitインクリメンタル学習用のドリフト認識学習器の新しいデータでの学習 (R2022b 以降)
updateMetricsインクリメンタル ドリフト認識学習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 (R2022b 以降)
updateMetricsAndFitインクリメンタル ドリフト認識学習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 (R2022b 以降)

その他のモデル操作

lossインクリメンタル ドリフト認識学習器の回帰誤差または分類誤差 (R2022b 以降)
perObservationLossインクリメンタル ドリフト認識学習器の観測値ごとの回帰誤差または分類誤差 (R2022b 以降)
predictインクリメンタル ドリフト認識学習モデルからの新しい観測の応答予測 (R2022b 以降)
resetインクリメンタル ドリフト認識学習器のリセット (R2022b 以降)

インクリメンタル モデルの作成

incrementalClassificationKernel インクリメンタル学習用のバイナリ分類カーネル モデル (R2022a 以降)
incrementalLearnerバイナリ分類用のカーネル モデルをインクリメンタル学習器に変換 (R2022a 以降)

インクリメンタルな当てはめと、パフォーマンスの追跡

fitインクリメンタル学習用のカーネル モデルの学習 (R2022a 以降)
updateMetricsカーネル インクリメンタル学習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 (R2022a 以降)
updateMetricsAndFitカーネル インクリメンタル学習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 (R2022a 以降)

その他のモデル操作

predictカーネル インクリメンタル学習モデルからの新しい観測の応答予測 (R2022a 以降)
lossデータのバッチでのカーネル インクリメンタル学習モデルの損失 (R2022a 以降)
perObservationLossインクリメンタル学習用モデルの観測値ごとの分類誤差 (R2022a 以降)
resetインクリメンタル分類モデルのリセット (R2022a 以降)

インクリメンタル モデルの作成

incrementalClassificationLinearインクリメンタル学習用のバイナリ分類線形モデル (R2020b 以降)
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 (R2020b 以降)
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 (R2020b 以降)

インクリメンタルな当てはめと、パフォーマンスの追跡

fitインクリメンタル学習用の線形モデルの学習 (R2020b 以降)
updateMetrics線形インクリメンタル学習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 (R2020b 以降)
updateMetricsAndFit線形インクリメンタル学習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 (R2020b 以降)

その他のモデル操作

predict線形インクリメンタル学習モデルからの新しい観測の応答予測 (R2020b 以降)
lossデータのバッチでの線形インクリメンタル学習モデルの損失 (R2020b 以降)
perObservationLossインクリメンタル学習用モデルの観測値ごとの分類誤差 (R2022a 以降)
resetインクリメンタル分類モデルのリセット (R2022a 以降)

インクリメンタル モデルの作成

incrementalClassificationECOC インクリメンタル学習用のバイナリ学習器を使用したマルチクラス分類モデル (R2022a 以降)
incrementalLearnerマルチクラス誤り訂正出力符号 (ECOC) モデルをインクリメンタル学習器に変換 (R2022a 以降)

インクリメンタルな当てはめと、パフォーマンスの追跡

fitインクリメンタル学習用の ECOC 分類モデルの学習 (R2022a 以降)
updateMetricsECOC インクリメンタル学習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 (R2022a 以降)
updateMetricsAndFitECOC インクリメンタル学習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 (R2022a 以降)

その他のモデル操作

predictECOC インクリメンタル学習分類モデルからの新しい観測値の応答予測 (R2022a 以降)
lossデータのバッチでの ECOC インクリメンタル学習分類モデルの損失 (R2022a 以降)
perObservationLossインクリメンタル学習用モデルの観測値ごとの分類誤差 (R2022a 以降)
resetインクリメンタル分類モデルのリセット (R2022a 以降)

インクリメンタル モデルの作成

incrementalClassificationNaiveBayesインクリメンタル学習用の単純ベイズ分類モデル (R2021a 以降)
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 (R2021a 以降)

インクリメンタルな当てはめと、パフォーマンスの追跡

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 (R2021a 以降)
updateMetrics単純ベイズ インクリメンタル学習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 (R2021a 以降)
updateMetricsAndFit単純ベイズ インクリメンタル学習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 (R2021a 以降)

その他のモデル操作

predict単純ベイズ インクリメンタル学習分類モデルからの新しい観測値の応答予測 (R2021a 以降)
lossデータのバッチでの単純ベイズ インクリメンタル学習分類モデルの損失 (R2021a 以降)
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 (R2021a 以降)
perObservationLossインクリメンタル学習用モデルの観測値ごとの分類誤差 (R2022a 以降)
resetインクリメンタル分類モデルのリセット (R2022a 以降)

概念ドリフト検出器の作成

incrementalConceptDriftDetectorインクリメンタルな概念ドリフト検出器のインスタンス化 (R2022a 以降)

ドリフトの検出とモデルのリセット

detectdriftドリフト検出器の状態とドリフト ステータスを新しいデータで更新 (R2022a 以降)
resetインクリメンタルな概念ドリフト検出器をリセット (R2022a 以降)

オブジェクト

すべて展開する

DriftDetectionMethodドリフト検出法 (DDM) を使用するインクリメンタルなドリフト検出器 (R2022a 以降)
HoeffdingDriftDetectionMethodHoeffding 境界のドリフト検出法 (HDDM) を使用するインクリメンタルな概念ドリフト検出器 (R2022a 以降)

トピック