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。

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

  • 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 とそのオブジェクト関数 predict を使用して、応答を予測します。

RegressionSVM 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。

端子

入力

すべて展開する

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。

依存関係

  • [X] の変数の順序は、[Select trained machine learning model] で指定された SVM モデルで学習済みの、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'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 | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

出力

すべて展開する

予測応答。スカラーとして返されます。

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

パラメーター

すべて展開する

メイン

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 (logicalcategoricalcharstring、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、名前と値のペアの引数 '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、モデルをあてはめる前に dummyvar を使用してカテゴリカル予測子を前処理します。

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

  • 名前と値のペアの引数 'KernelFunction' の値は、'gaussian''linear'、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

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、MATLAB® 丸め関数を使用した表現をマスク フィールドに入力します。

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'

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

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、オーバーフローによって引き起こされた値が 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'

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

[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
: 文字ベクトル
: 'Inherit: auto' | 'double' | 'single' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'
既定の設定: 'Inherit: auto'

Simulink® がチェックする [Yfit] 出力範囲の下限値。

Simulink は以下を実行するために最小値を使用します。

メモ

[出力の最小値] 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。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
: 文字ベクトル
: '[ ]'| スカラー
既定の設定: '[ ]'

Simulink がチェックする [Yfit] 出力範囲の上限値。

Simulink は以下を実行するために最小値を使用します。

メモ

[出力の最大値] 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。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
: 文字ベクトル
: '[ ]'| スカラー
既定の設定: '[ ]'

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。

[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、名前と値のペアの引数 'KernelFunction' を指定します。

'KernelFunction'データ型
'gaussian' または 'rbf'[Kernel data type] は、ガウス カーネル G(x,s)=exp(D2) の平方距離 D2=xs2 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(x,s)=xs' 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(x,s)=(1+xs')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。

継承オプションを選択すると、ソフトウェアは以下のように動作します。

  • Inherit: Inherit via internal rule — ブロックは内部ルールを使用してデータ型を決定します。内部ルールは、組み込みターゲット ハードウェアのプロパティを考慮しながら、数値の精度、パフォーマンス、および生成されたコードのサイズを最適化するデータ型を選択します。状況によっては、効率と数値の精度を同時に最適化できないこともあります。

  • Inherit: Keep MSB — Simulink は、全範囲の演算を維持するデータ型を選択してから、組み込みターゲット ハードウェアに適したサイズまで精度を下げます。このルールではオーバーフローは発生しません。

    ヒント

    より効率的に生成されたコードについては、[整数オーバーフローで飽和] パラメーターをオフにしてください。

  • Inherit: Match scaling — Simulink は、スケーリングが入力タイプのスケーリングと一致するデータ型を選択します。ここで、入力とは、マスクの下のブロックの入力のことです。該当するタイプの全範囲が組み込みターゲット ハードウェアに適合しない場合、組み込みターゲット ハードウェアに適したタイプを生成できるよう、範囲が縮小されます。このルールではオーバーフローの発生する可能性があります。

    状況によっては、コードの効率と数値の精度を同時に最適化できないこともあります。これらの内部ルールが数値の精度またはパフォーマンスに関する特定のニーズを満たさない場合は、次のオプションのいずれかを使用してください。

    • データ型を明示的に指定する。

    • fixdt(1,32,16) のように既定のデータ型を明示的に指定してから、固定小数点ツールを使用してモデルのデータ型を推奨する。詳細については、fxptdlg (Fixed-Point Designer) を参照してください。

  • Inherit: Inherit via back propagation — (非推奨) ブロックは、マスクの下の下流ブロックのデータ型を使用します。

  • Inherit: Same as first input — (非推奨) ここでの最初の入力とは、マスクの下のブロックに関する最初の入力のことです。

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
: 文字ベクトル
: 'Inherit: Inherit via internal rule | 'Inherit: Keep MSB' | 'Inherit: Match scaling' | 'double' | 'single' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'uint64' | 'int64' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'
既定の設定: 'double'

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。

Simulink は以下を実行するために最小値を使用します。

メモ

[Kernel minimum] 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
: 文字ベクトル
: '[ ]'| スカラー
既定の設定: '[ ]'

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。

Simulink は以下を実行するために最大値を使用します。

メモ

[Kernel maximum] 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
: 文字ベクトル
: '[ ]'| スカラー
既定の設定: '[ ]'

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 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 RegressionSVM オブジェクトのオブジェクト関数 predict と共に使用することができます。たとえば、MATLAB Function ブロックの使用によるクラス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。

R2020b で導入