このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
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。incrementalRegressionLinear
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。
回帰損失など、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
IncrementalRegressionLinear Predict | Predict responses using incremental linear regression model (R2023b 以降) |
IncrementalRegressionLinear Fit | Fit incremental linear regression model (R2023b 以降) |
Update Metrics | Update performance metrics in incremental learning model given new data (R2023b 以降) |
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回帰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線形回帰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回帰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線形回帰用のインクリメンタル学習を実装する。
- 回帰学習器で学習させた SVM 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
回帰学習器アプリを使用して線形 SVM 回帰モデルに学習させた後、推定された係数を使用して回帰用のインクリメンタル モデルを初期化する。