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
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。
関数
オブジェクト
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。
- テキスト分類のインクリメント実行
この例では、モデルに対してインクリメンタル学習を行い、文書中の単語の頻度に基づいて文書を分類する方法である "bag-of-words" モデルを示します。
- 単純ベイズと異種混合データでのインクリメンタル学習
この例では、実数値とカテゴリカルの測定値を含む異種混合の予測子データについて、単純ベイズ分類器を使用するインクリメンタル学習用に準備する方法を示します。
- ドリフト認識学習を使用した機器の健全性状態の監視
この例では、インクリメンタル ドリフト認識学習モデルと Streaming Data Framework for MATLAB® Production Server™ を使用して、冷却システムの健全性状態を監視するプロセスを自動化する方法を示します。