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。

RegressionSVM Predict

サポート ベクター マシン (SVM) 回帰モデルの使用による応答の予測

R2020b 以降

• 

×

ライブラリ:
Statistics and Machine Learning Toolbox / Regression

説明

RegressionSVM Predict ブロックは、SVM 回帰オブジェクト (RegressionSVM または CompactRegressionSVM) を使用して応答を予測します。

オブジェクトを含むワークスペース変数の名前を指定することにより、学習済みの SVM 回帰オブジェクトをブロックにインポートします。入力端子 x では観測値 (予測子データ) を受信し、出力端子 yfit では観測値の予測応答を返します。

例

RegressionSVM Predict ブロックの使用による応答の予測

回帰学習器アプリを使用してサポート ベクター マシン (SVM) 回帰モデルの学習を行い、RegressionSVM Predict ブロックを応答予測に使用する。

• ライブ スクリプトを開く

端子

入力

x — 予測子データ

行ベクトル | 列ベクトル

予測子データ。1 つの観測値の列ベクトルまたは行ベクトルとして指定します。

x の変数の順序は、[学習済み機械学習モデルを選択] で指定された SVM モデルに学習させた予測子変数の順序と同じでなければなりません。

SVM モデルに学習をさせるときに fitrsvm で 'Standardize',true を設定した場合、RegressionSVM Predict ブロックは、SVM モデルの Mu プロパティにある平均と Sigma プロパティにある標準偏差を使用して、[x] の値を標準化します。

データ型: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

出力

yfit — 予測した応答

スカラー

予測応答。スカラーとして返されます。

データ型: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

パラメーター

メイン

学習済みの機械学習モデルの選択 — SVM 回帰モデル

svmMdl (既定値) | RegressionSVM オブジェクト | CompactRegressionSVM オブジェクト

RegressionSVM オブジェクトまたは CompactRegressionSVM オブジェクトを含むワークスペース変数の名前を指定します。

fitrsvm を使用して SVM モデルに学習させる場合、以下の制限が適用されます。

• 予測子データにカテゴリカル予測子 (logical、categorical、char、string、または cell) を含めることはできません。学習データをテーブルで渡す場合、予測子は数値 (double または single) でなければなりません。また、名前と値の引数 CategoricalPredictors は使用できません。カテゴリカル予測子をモデルに含めるには、モデルを当てはめる前に dummyvar を使用してカテゴリカル予測子を前処理します。

• 名前と値の引数 ResponseTransform の値は 'none' (既定の設定) でなければなりません。

• 名前と値の引数 KernelFunction の値は、'gaussian'、'linear' (既定の設定)、または 'polynomial' でなければなりません。

プログラムでの使用

ブロック パラメーター: TrainedLearner

型: ワークスペース変数

値: RegressionSVM オブジェクト | CompactRegressionSVM オブジェクト

既定の設定: 'svmMdl'

データ型

固定小数点が使用可能なパラメーター

整数丸めモード — 固定小数点演算の丸めモード

Floor (既定値) | Ceiling | Convergent | Nearest | Round | Simplest | Zero

固定小数点演算の丸めモードを指定します。詳細は、丸め (Fixed-Point Designer)を参照してください。

ブロック パラメーターは常に、最も近い表現可能な値に丸められます。ブロック パラメーターの丸めを制御するには、マスク フィールドに MATLAB^® の丸め関数を使用して式を入力します。

プログラムでの使用

ブロック パラメーター: RndMeth

型: 文字ベクトル

値: "Ceiling" | "Convergent" | "Floor" | "Nearest" | "Round" | "Simplest" | "Zero"

既定の設定: "Floor"

整数オーバーフローで飽和 — オーバーフロー アクションのメソッド

off (既定値) | on

オーバーフローの際に飽和するか折り返すかを指定します。

アクション	理由	オーバーフローの際の影響	例
このチェック ボックスをオンにする (on)。	モデルにオーバーフローの可能性があり、生成されたコードで明示的な飽和保護が必要である。	オーバーフローの際は、データ型が表現できる最小値または最大値に飽和します。	データ型 int8 (8 ビット負号付き整数) が表現できる最大値は 127 です。この最大値よりも大きいブロック演算結果は、8 ビット整数のオーバーフローを引き起こします。チェック ボックスをオンにすると、ブロック出力は 127 で飽和します。同様に、ブロック出力は最小出力値の -128 で飽和します。
このチェック ボックスをオフにする (off)。	生成されたコードの効率を最適化したい。 ブロックが範囲外の信号を処理する方法を過剰指定したくない。詳細は、信号範囲のエラーのトラブルシューティング (Simulink)を参照してください。	オーバーフローの際は、データ型が表現できる適切な値で折り返します。	データ型 int8 (8 ビット負号付き整数) が表現できる最大値は 127 です。この最大値よりも大きいブロック演算結果は、8 ビット整数のオーバーフローを引き起こします。チェック ボックスをオフにすると、オーバーフローを引き起こす値が int8 として解釈され、意図しない結果になる可能性があります。たとえば、130 (バイナリでは 1000 0010) というブロック結果が int8 として表現されると、-126 になります。

プログラムでの使用

ブロック パラメーター: SaturateOnIntegerOverflow

型: 文字ベクトル

値: "off" | "on"

既定の設定: "off"

固定小数点ツールによる変更に対して出力データ型の設定をロックする — 固定小数点ツールによるデータ型のオーバーライドの防止

off (既定値) | on

このパラメーターを選択して、ブロックに指定したデータ型を固定小数点ツールがオーバーライドしないようにします。詳細は、[出力データ型の設定をロックする] の使用 (Fixed-Point Designer)を参照してください。

プログラムでの使用

ブロック パラメーター: LockScale

型: 文字ベクトル

値: "off" | "on"

既定の設定: "off"

データ型

出力データ型 — yfit 出力のデータ型

Inherit: auto (既定値) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <データ型式>

yfit 出力のデータ型を指定します。データ型は継承するか、直接指定するか、Simulink.NumericType のようにデータ型オブジェクトとして表現することができます。

[Inherit: auto] を選択すると、ブロックはデータ型を継承するルールを使用します。

データ型の詳細については、信号のデータ型の制御 (Simulink)を参照してください。

[データ型アシスタントを表示] ボタン をクリックすると、[データ型アシスタント] が表示されます。これは、データ型の属性を設定する際に役立ちます。詳細は、データ型アシスタントを利用したデータ型の指定 (Simulink)を参照してください。

プログラムでの使用

ブロック パラメーター: OutDataTypeStr

型: 文字ベクトル

値: "Inherit: auto" | "double" | "single" | "half" | "int8" | "uint8" | "int16" | "uint16" | "int32" | "uint32" | "int64" | "uint64" | "boolean" | "fixdt(1,16,0)" | "fixdt(1,16,2^0,0)" | "<data type expression>"

既定の設定: "Inherit: auto"

出力データ型、最小値 — 範囲チェックの yfit 出力の最小値

[] (既定値) | スカラー

Simulink^® がチェックする yfit 出力範囲の下限値を指定します。

Simulink は以下を実行するために最小値を使用します。

• 一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。

• シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。

• モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、ソフトウェアインザループ (SIL) モードやエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。

メモ

[出力データ型、最小値] パラメーターが、yfit の実際の信号を飽和させたり、クリップしたりすることはありません。これを行うには、代わりに Saturation (Simulink) ブロックを使用してください。

プログラムでの使用

ブロック パラメーター: OutMin

型: 文字ベクトル

値: '[]' | スカラー

既定の設定: '[]'

出力データ型、最大値 — 範囲チェックの yfit 出力の最大値

[] (既定値) | スカラー

Simulink がチェックする yfit 出力範囲の上限値を指定します。

Simulink は以下を実行するために最大値を使用します。

• 一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。

• シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。

• モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、SIL やエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。

メモ

[出力データ型、最大値] パラメーターが、yfit の実際の信号を飽和させたり、クリップしたりすることはありません。これを行うには、代わりに Saturation (Simulink) ブロックを使用してください。

プログラムでの使用

ブロック パラメーター: OutMax

型: 文字ベクトル

値: '[]' | スカラー

既定の設定: '[]'

Kernel data type — カーネル計算用のデータ型

double (既定値) | single | half | int8 | uint8 | int16 | uint16 | int32 | int64 | uint64 | uint32 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <データ型式>

カーネル計算用のパラメーターのデータ型を指定します。型は直接指定するか、Simulink.NumericType のようにデータ型オブジェクトとして表現できます。

[Kernel data type] パラメーターは、指定した SVM モデルのカーネル関数のタイプによって、異なるパラメーターのデータ型を指定します。SVM モデルに学習させている場合は、名前と値の引数 KernelFunction を指定します。

'KernelFunction' 値	データ型
'gaussian' または 'rbf'	[Kernel data type] は、ガウス カーネル $$G\left(x,s\right)=\exp \left(-D^2\right)$$ の平方距離 $$D^2={\Vert x-s\Vert }^2$$ のデータ型を指定します。ここで、x は観測値の予測子データで、s はサポート ベクターです。
'linear'	[Kernel data type] は、線形カーネル関数 $$G\left(x,s\right)=xs\text{'}$$ の出力のデータ型を指定します。ここで、x は観測値の予測子データで、s はサポート ベクターです。
'polynomial'	[Kernel data type] は、多項式カーネル関数 $$G\left(x,s\right)={\left(1+xs\text{'}\right)}^p$$ の出力のデータ型を指定します。ここで、x は観測値の予測子データ、s はサポート ベクター、p は多項式カーネル関数の次数です。

データ型の詳細については、信号のデータ型の制御 (Simulink)を参照してください。

[データ型アシスタントを表示] ボタン をクリックすると、[データ型アシスタント] が表示されます。これは、データ型の属性を設定する際に役立ちます。詳細は、データ型アシスタントを利用したデータ型の指定 (Simulink)を参照してください。

プログラムでの使用

ブロック パラメーター: KernelDataTypeStr

型: 文字ベクトル

値: 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'uint64' | 'int64' | 'boolean' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'

既定の設定: 'double'

カーネルのデータ型、最小値 — 範囲チェックのカーネル計算用の最小値

[] (既定値) | スカラー

Simulink がチェックするカーネル計算用の内部変数範囲の下限値を指定します。

Simulink は以下を実行するために最小値を使用します。

• 一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。

• シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。

• モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、ソフトウェアインザループ (SIL) モードやエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。

メモ

[カーネルのデータ型、最小値] パラメーターが、カーネル計算値の実際の信号を飽和させたり、クリップしたりすることはありません。

プログラムでの使用

ブロック パラメーター: KernelOutMin

型: 文字ベクトル

値: '[]' | スカラー

既定の設定: '[]'

カーネルのデータ型、最大値 — 範囲チェックのカーネル計算用の最大値

[] (既定値) | スカラー

Simulink がチェックするカーネル計算用の内部変数範囲の上限値を指定します。

Simulink は以下を実行するために最大値を使用します。

• 一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。

• シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。

• モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、SIL やエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。

メモ

[カーネルのデータ型、最大値] パラメーターが、カーネル計算値の実際の信号を飽和させたり、クリップしたりすることはありません。

プログラムでの使用

ブロック パラメーター: KernelOutMax

型: 文字ベクトル

値: '[]' | スカラー

既定の設定: '[]'

ブロックの特性

データ型	Boolean | double | fixed point | half | integer | single
直達	yes
多次元信号	no
可変サイズの信号	no
ゼロクロッシング検出	no

ヒント

• 線形 SVM モデルを使用しており、多数のサポート ベクターが含まれている場合、予測が低速になる可能性があります。線形 SVM モデルに基づく予測応答を効率的に行うには、discardSupportVectors を使用して RegressionSVM または CompactRegressionSVM オブジェクトからサポート ベクターを削除します。

代替機能

MATLAB Function ブロックを SVM 回帰オブジェクト (RegressionSVM または CompactRegressionSVM) のオブジェクト関数 predict と共に使用できます。たとえば、MATLAB Function ブロックの使用によるクラス ラベルの予測を参照してください。

Statistics and Machine Learning Toolbox™ ライブラリ内の RegressionSVM Predict ブロックを使用するかどうか、または MATLAB Function ブロックを関数 predict と共に使用するかどうかを判断する際には、以下を考慮してください。

• Statistics and Machine Learning Toolbox ライブラリ ブロックを使用する場合、固定小数点ツール (Fixed-Point Designer)を使用して浮動小数点モデルを固定小数点に変換できます。

• MATLAB Function ブロックを関数 predict と共に使用する場合は、可変サイズの配列に対するサポートを有効にしなければなりません。

• MATLAB Function ブロックを使用する場合、予測の前処理や後処理のために、同じ MATLAB Function ブロック内で MATLAB 関数を使用することができます。

拡張機能

C/C++ コード生成
Simulink® Coder™ を使用して C および C++ コードを生成します。

固定小数点の変換
Fixed-Point Designer™ を使用して固定小数点システムの設計とシミュレーションを行います。

バージョン履歴

R2020b で導入

R2021a: [Kernel data type] はデータ型名またはデータ型オブジェクトとして指定

R2021a 以降、[Kernel data type] パラメーターでは継承オプションはサポートされません。[Kernel data type] はサポートされるデータ型名またはデータ型オブジェクトとして指定できます。

参考

ブロック

• RegressionTree Predict | RegressionEnsemble Predict | RegressionNeuralNetwork Predict | RegressionGP Predict | ClassificationSVM Predict

オブジェクト

• RegressionSVM | CompactRegressionSVM

関数

• predict | fitrsvm

トピック

• RegressionTree Predict ブロックの使用による応答の予測
• RegressionEnsemble Predict ブロックの使用による応答の予測
• RegressionNeuralNetwork Predict ブロックの使用による応答の予測
• RegressionGP Predict ブロックの使用による応答の予測
• MATLAB Function ブロックの使用によるクラス ラベルの予測