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。

ニューラル ネットワーク

回帰用のニューラル 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™ で利用可能な回帰ニューラル ネットワーク モデル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。

回帰ニューラル ネットワーク モデルに学習をさせるには、回帰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 fitrnet を使用して回帰ニューラル ネットワーク モデルに学習させます。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、新しいデータについて応答を予測できます。

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

回帰学習器教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる

関数

すべて展開する

fitrnetニューラル ネットワーク回帰モデルの学習
compact機械学習モデルのサイズの縮小
crossval機械学習モデルの交差検証
kfoldLoss交差検証された分割済みの回帰モデルの損失
kfoldPredict交差検証済み回帰モデル内の観測値に対する応答の予測
kfoldfun回帰での関数の交差検証
loss回帰ニューラル ネットワークの損失
resubLoss再代入回帰損失
predict回帰ニューラル ネットワークの使用による応答の予測
resubPredict学習済み回帰モデルを使用した学習データについての応答の予測

オブジェクト

RegressionNeuralNetwork回帰用のニューラル ネットワーク モデル
CompactRegressionNeuralNetwork回帰用のコンパクトなニューラル ネットワーク モデル
RegressionPartitionedModel交差検証済みの回帰モデル

トピック

回帰ニューラル ネットワークの性能評価

fitrnet を使用して全結合層をもつフィードフォワード回帰ニューラル ネットワーク モデルを作成し、検定データでモデルの性能を評価する。

回帰学習器アプリを使用した回帰ニューラル ネットワークの学習

回帰ニューラル ネットワークを作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートする。