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。

ニューラル ネットワーク

バイナリおよびマルチクラス分類用のニューラル ネットワーク

ニューラル ネットワーク モデルは、脳による情報の処理方法を反映した一連の層として構成されます。Statistics and Machine Learning Toolbox™ で利用可能なニューラル ネットワーク分類器は全結合のフィードフォワード ニューラル ネットワークであり、全結合層のサイズを調整したり層の活性化関数を変更したりできます。

ニューラル ネットワーク分類モデルに学習をさせるには、分類学習器アプリを使用します。柔軟性を向上させるためには、コマンド ライン インターフェイスで fitcnet を使用してニューラル ネットワーク分類器に学習させます。学習後、モデルと新しい予測子データを predict に渡すことにより、新しいデータを分類できます。

Deep Learning Toolbox™ がある場合により複雑な深層学習ネットワークを作成するには、ディープ ネットワーク デザイナー (Deep Learning Toolbox) アプリを試すことができます。

アプリ

分類学習器教師あり機械学習を使用して、データを分類するようにモデルを学習させる

ブロック

ClassificationNeuralNetwork Predictニューラル ネットワーク分類モデルを使用した観測値の分類 (R2021b 以降)

関数

すべて展開する

fitcnetニューラル ネットワーク分類モデルの学習 (R2021a 以降)
compact機械学習モデルのサイズの縮小
limeLocal Interpretable Model-agnostic Explanations (LIME) (R2020b 以降)
partialDependence部分依存の計算 (R2020b 以降)
permutationImportancePredictor importance by permutation (R2024a 以降)
plotPartialDependence部分依存プロット (PDP) および個別条件付き期待値 (ICE) プロットの作成
shapleyシャープレイ値 (R2021a 以降)
crossval機械学習モデルの交差検証
kfoldLoss交差検証済み分類モデルの分類損失
kfoldPredict交差検証済み分類モデルの観測値の分類
kfoldEdge交差検証済み分類モデルの分類エッジ
kfoldMargin交差検証済み分類モデルの分類マージン
kfoldfun分類での関数の交差検証
lossニューラル ネットワーク分類器の分類損失 (R2021a 以降)
resubLoss再代入分類損失
edgeニューラル ネットワーク分類器の分類エッジ (R2021a 以降)
marginニューラル ネットワーク分類器の分類マージン (R2021a 以降)
resubEdge再代入分類エッジ
resubMargin再代入分類マージン
predictニューラル ネットワーク分類器を使用した観測値の分類 (R2021a 以降)
resubPredict学習済み分類器を使用した学習データの分類

オブジェクト

ClassificationNeuralNetwork分類用のニューラル ネットワーク モデル (R2021a 以降)
CompactClassificationNeuralNetwork分類用のコンパクトなニューラル ネットワーク モデル (R2021a 以降)
ClassificationPartitionedModelCross-validated classification model

トピック