reset

インクリメンタル分類モデルのリセット

R2022a 以降

ページ内をすべて折りたたむ

    構文

    Mdl = reset(Mdl)

    説明

    Mdl = reset(Mdl) は、学習したパラメーターがリセットされたインクリメンタル モデル Mdl を返します。インクリメンタル学習中に Mdl のハイパーパラメーターが推定される場合、関数 reset はこれらのハイパーパラメーターもリセットします。reset は Mdl.Numpredictors プロパティを常に保持します。

    インクリメンタル分類モデルの場合、reset は Mdl.ClassNames プロパティを常に保持し、Mdl.Prior を "empirical" の場合にリセットします。

    例

    例

    すべて折りたたむ

    ライブ スクリプトを開く

    人の行動のデータ セットを読み込みます。データをランダムにシャッフルします。

    load humanactivity
n = numel(actid);
rng(1); % For reproducibility
idx = randsample(n,n);
X = feat(idx,:);
Y = actid(idx);

    データ セットの詳細については、コマンド ラインで Description を入力してください。

    応答は、次の 5 つのクラスのいずれかになります。座る、立つ、歩く、走る、または踊る。被験者が移動しているかどうか (actid > 2) を基準に、応答を二分します。

    Y = Y > 2;

    バイナリ分類用のインクリメンタル線形 SVM モデルを作成します。クラス名、事前クラス分布 (一様)、および任意の係数とバイアス値を指定して損失用にモデルを構成します。メトリクス ウィンドウ サイズを観測値 1000 個に指定します。

    p = size(X,2);
Beta = randn(p,1);
Bias = randn(1);
Mdl = incrementalClassificationLinear('Beta',Beta,'Bias',Bias,...
    'ClassNames',unique(Y),'Prior','uniform','MetricsWindowSize',1000,'Metrics','classiferror');

    Mdl は incrementalClassificationLinear モデルです。そのプロパティはすべて読み取り専用です。

    それぞれ 50 個の観測値の入力チャンクを使用して、データ ストリームをシミュレートします。

    1. updateMetricsAndFit を呼び出してパフォーマンス メトリクスを更新し、モデルをデータの入力ウィンドウに当てはめます。前のインクリメンタル モデルを新しいモデルで上書きします。

    2. モデルを調べます。

    3. reset を呼び出して学習したパラメーターをリセットし、前のモデルと比較してリセットされたパラメーターを確認します。

    numObsPerChunk = 50;
nchunk = floor(n/numObsPerChunk);

for j = 1:nchunk
    ibegin = min(n,numObsPerChunk*(j-1) + 1);
    iend   = min(n,numObsPerChunk*j);
    idx = ibegin:iend;    
    Mdl = updateMetricsAndFit(Mdl,X(idx,:),Y(idx));
end

    モデル パラメーターの一部を表示します。

    Mdl
    Mdl = 
  incrementalClassificationLinear

            IsWarm: 1
           Metrics: [1×2 table]
        ClassNames: [0 1]
    ScoreTransform: 'none'
              Beta: [60×1 double]
              Bias: -0.9069
           Learner: 'svm'


  Properties, Methods


    Mdl.Metrics
    ans=1×2 table
                           Cumulative    Window
                           __________    ______

    ClassificationError    0.0018185       0   


    Mdl.Beta(1:10)
    ans = 10×1

   -0.8806
   -0.0259
    1.6498
   12.0393
    0.4948
    8.9050
    0.1317
    0.0006
    0.1071
    0.0092

    モデルはウォーム (IsWarm=1) で、パフォーマンス メトリクス ClassificationError の値やモデル パラメーター Bias および Beta の推定値を確認できます。

    モデルをリセットし、同じパラメーターを表示します。

    newMdl = reset(Mdl)
    newMdl = 
  incrementalClassificationLinear

            IsWarm: 0
           Metrics: [1×2 table]
        ClassNames: [0 1]
    ScoreTransform: 'none'
              Beta: [60×1 double]
              Bias: 0
           Learner: 'svm'


  Properties, Methods


    newMdl.Metrics
    ans=1×2 table
                           Cumulative    Window
                           __________    ______

    ClassificationError       NaN         NaN  


    newMdl.Beta(1:10)
    ans = 10×1

     0
     0
     0
     0
     0
     0
     0
     0
     0
     0

    関数 reset は、モデルのウォームアップ ステータス (IsWarm = 0)、パフォーマンス メトリクスの値、および推定されたモデル パラメーターをリセットします。これらに加えて、各反復で更新される NumTrainingObservations などのプロパティもリセットします。

    入力引数

    すべて折りたたむ

    インクリメンタル学習モデル。incrementalClassificationKernel、incrementalClassificationLinear、incrementalClassificationECOC、または incrementalClassificationNaiveBayes のいずれかのモデル オブジェクトとして指定します。Mdl は、直接作成することも、サポートされている従来式の学習済み機械学習モデルを関数 incrementalLearner によって変換して作成することもできます。詳細については、対応するオブジェクトのページを参照してください。

    バージョン履歴

    R2022a で導入

    参考

    | | | |