ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

分類学習器アプリを使用したアンサンブル学習器の学習

この例では、分類学習器アプリで分類器のアンサンブルを構築する方法を示します。アンサンブル分類器では、複数の弱学習器の結果を融合して 1 つの高品質のアンサンブル予測子にします。精度はアルゴリズムの選択によって変化しますが、アンサンブル分類器に多くの学習器を必要とする場合も多いため、近似が低速化する傾向もあります。

  1. MATLAB®fisheriris データセットを読み込み、このデータセットに含まれている変数の一部を分類に使用するように定義します。

    fishertable = readtable('fisheriris.csv');
    
  2. [アプリ] タブの [機械学習] グループで [分類学習器] をクリックします。

  3. [分類学習器] タブの [ファイル] セクションで、[新規セッション] をクリックします。

    [新規セッション] ダイアログ ボックスで、データ型に基づいて応答および予測子変数が選択されていることを確認します。花弁と萼片の長さおよび幅は予測子です。種は分類対象の応答です。この例では、選択を変更しないでください。

  4. [セッションの開始] をクリックします。

    データの散布図が作成されます。

  5. 散布図を使用して、どの変数が応答の予測に有用であるかを調べます。X 軸と Y 軸の制御で他の変数を選択して、種と測定値の分布を可視化します。種の色が最も明確に分離されるのはどの変数であるかを調べます。

  6. アンサンブル モデルの選択肢を作成するため、[分類学習器] タブの [モデル タイプ] セクションで下矢印をクリックして分類器のリストを展開してから [アンサンブル分類器][すべてのアンサンブル] をクリックします。

  7. [学習] セクションで [学習] をクリックします。

    ヒント

    Parallel Computing Toolbox™ がインストールされている場合、はじめて [学習] をクリックすると、ワーカーの並列プールが開くときにダイアログが表示されます。プールが開いた後で、同時に複数の分類器に学習をさせ、作業を続行することができます。

    ギャラリー内の各アンサンブル分類オプションの学習が 1 つずつ行われ、最高のスコアが強調表示されます。最適なモデルの [精度] スコアの概要がボックスに表示されます。

  8. 結果を表示するため、[履歴] の一覧でモデルを選択します。学習済みモデルの散布図を確認します。誤分類された点は X で示されます。

  9. 各クラスにおける予測子の精度を調べるには、[分類学習器] タブの [プロット] セクションで [混同行列] をクリックします。真のクラスと予測したクラスの結果が含まれている行列が表示されます。

  10. 比較する他のモデルを一覧から選択します。

  11. [履歴] の一覧で最適なモデルを選択します (最高のスコアは [精度] ボックスで強調表示されます)。モデルを改善するため、異なる特徴量をモデルに含めます。予測力が低い特徴量を削除するとモデルを改善できるかどうか調べます。

    [分類学習器] タブの [データ変換] セクションで [特徴量] をクリックします。[特徴選択] ダイアログ ボックスでモデルから削除する予測子を指定して [学習] をクリックすると、新しいオプションを使用して新しいモデルの学習が行われます。[履歴] の一覧で各分類器の結果を比較します。

  12. 追加または除外する特徴量を調べるには、散布図と平行座標プロットを使用します。[分類学習器] タブの [プロット] セクションで、[平行座標プロット] を選択します。

  13. [履歴] の一覧で最適なモデルを選択します。モデルをさらに改善するため、設定を変更します。[分類学習器] タブの [モデル タイプ] セクションで [詳細設定] をクリックします。設定の変更を試してから、[学習] をクリックして新しいモデルに学習をさせます。

    試すべき設定と各種のアンサンブル モデル タイプの長所の詳細については、アンサンブル分類器を参照してください。

  14. 学習済みのモデルをワークスペースにエクスポートするため、[分類学習器] タブを選択して [モデルのエクスポート] をクリックします。新しいデータを予測するための分類モデルのエクスポートを参照してください。

  15. この分類器に学習をさせるコードを確認するため、[モデルのエクスポート][コード生成] を選択します。

このワークフローを使用すると、分類学習器で学習させることができる他のタイプの分類器を評価および比較できます。

選択したデータセットに対して使用できる事前設定済みの分類器モデルをすべて試すには、次のようにします。

  1. [モデル タイプ] セクションの右端にある矢印をクリックして分類器のリストを展開します。

  2. [すべて] をクリックしてから [学習] をクリックします。

他の分類器のタイプについては、分類学習器アプリにおける分類モデルの学習を参照してください。

関連するトピック