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、モデルへの当てはめ、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

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

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
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
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

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
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
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
resetインクリメンタル ドリフト認識学習器のリセット

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
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

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
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
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

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
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
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
resetインクリメンタル分類モデルのリセット

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
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

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
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
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

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
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
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
resetインクリメンタル分類モデルのリセット

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
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

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
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
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

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
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
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
resetインクリメンタル分類モデルのリセット

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
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

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
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
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

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
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
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
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
resetインクリメンタル分類モデルのリセット

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

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
resetインクリメンタルな概念ドリフト検出器をリセット

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
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

トピック