Main Content

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。

reset

インクリメンタル回帰モデルのリセット

R2022a 以降

ページ内をすべて折りたたむ

    構文

    Mdl = reset(Mdl)

    説明

    例

    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 を常に保持します。

    例

    すべて折りたたむ

    ライブ スクリプトを開く

    ロボット アームのデータ セットを読み込みます。標本サイズ n と予測子変数の数 p を取得します。

    load robotarm
n = numel(ytrain);
p = size(Xtrain,2);

    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。

    回帰用のインクリメンタル線形モデルを作成します。次のようにモデルを構成します。

    • メトリクスのウォームアップ期間を観測値 1000 個に指定。

    • メトリクス ウィンドウ サイズを観測値 500 個に指定。

    • すべての回帰係数およびバイアスを 0 に指定して、モデルを応答予測用に構成。

    Mdl = incrementalRegressionLinear('MetricsWarmupPeriod',1000,'MetricsWindowSize',500, ...
    'Beta',zeros(p,1),'Bias',0,'EstimationPeriod',0)
    Mdl = 
  incrementalRegressionLinear

               IsWarm: 0
              Metrics: [1x2 table]
    ResponseTransform: 'none'
                 Beta: [32x1 double]
                 Bias: 0
              Learner: 'svm'

    Mdl はインクリメンタル学習用に構成された incrementalRegressionLinear モデル オブジェクトです。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。各反復で次を行います。

    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,Xtrain(idx,:),ytrain(idx));
    L(j) = loss(Mdl,Xtrain(idx,:),ytrain(idx));
    PoL(j,:) = perObservationLoss(Mdl,Xtrain(idx,:),ytrain(idx));
end

    モデルを表示します。

    Mdl
    Mdl = 
  incrementalRegressionLinear

               IsWarm: 1
              Metrics: [1x2 table]
    ResponseTransform: 'none'
                 Beta: [32x1 double]
                 Bias: -1.9425e-04
              Learner: 'svm'

    モデルはウォーム (IsWarm=1) で、一部のプロパティの値を確認できます。

    Metrics プロパティを表示します。

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

    EpsilonInsensitiveLoss     0.68922      0.68538

    このプロパティにはモデルのパフォーマンス メトリクスが格納され、この場合はイプシロン不感応損失です。累積の損失と最新のデータ ウィンドウの損失を示します。

    モデル係数を表示します。

    Mdl.Beta(1:10)
    ans = 10×1

   -0.0002
   -0.0002
   -0.0004
    0.0000
    0.0006
    0.0000
    0.0003
   -0.0010
    0.0004
   -0.0011

    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 = 
  incrementalRegressionLinear

               IsWarm: 0
              Metrics: [1x2 table]
    ResponseTransform: 'none'
                 Beta: [32x1 double]
                 Bias: 0
              Learner: 'svm'



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

    EpsilonInsensitiveLoss       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。incrementalRegressionKernel または incrementalRegressionLinear というモデル 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

    | |