新機能

機械学習に関する MATLAB の最新機能を詳しく知る

R2020b Highlights for Machine Learning

AutoML

Automatically select the best model and associated hyperparameters for regression

Simulink

Simulate and generate code and speed up training of SVM models in Simulink

Model Interpretability

Obtain locally interpretable model-agnostic explanations by finding important predictors (LIME)

Explore all of the Latest Machine Learning Features

対話型アプリ

  • 分類学習器アプリおよび回帰学習器アプリを使用して、対話的なデータ分析、特徴選択、および教師あり分類モデルと回帰モデルの学習と評価を実行
  • 新機能 ハイパーパラメーターの自動調整を実行し、学習アプリ内からコスト行列を適用
  • Distribution Fitter アプリを使用してデータを広範囲の確率分布にあてはめ、パラメーター値の変更の影響を分析

関連製品: Statistics and Machine Learning Toolbox

モデルの自動最適化

  • 新機能 モデルタイプとハイパーパラメーターを同時に最適化
  • ベイズ最適化によるハイパーパラメーターの自動調整
  • 近傍成分解析 (NCA) および特徴量ランク付けなどの手法により、関連する特徴のサブセットを自動選択
  • Parallel Computing Toolbox を使用して複数のコアで自動最適化メソッドの実行を並列化し、MATLAB Parallel Server を使用してクラウドやクラスターに拡張

関連製品: MATLAB Parallel ServerParallel Computing ToolboxStatistics and Machine Learning Toolbox

機械学習および統計アルゴリズム

  • 線形モデル、一般化線形モデル、サポート ベクター マシン、決定木、アンサンブル学習など分類および回帰で一般的に使用されているアルゴリズム
  • k 平均法、k-medoids 法、階層クラスタリング、混合ガウス、隠れマルコフモデルを含む、一般的なクラスタリング アルゴリズムを使用
  • 新機能 Density-based spatial clustering of applications with noise (DBSCAN) および任意の形状のスペクトル クラスタリングを使用
  • 統計および機械学習でオープンソース ツールよりも高速な計算実行

関連製品: Statistics and Machine Learning Toolbox

データの可視化

  • 散布図、箱ひげ図、樹形図、その他の標準的な統計の可視化によりデータの構造および特徴間の関係を探索
  • 確率的近傍埋め込み法 (t-SNE) などの高度な次元削減アルゴリズムを使用
  • 分類学習器アプリの改善された散布図により、高密度データを可視化
  • 新機能tall 配列から混同行列を作成

関連製品: Statistics and Machine Learning Toolbox

展開 

  • 一般的な分類、回帰、クラスタリングのアルゴリズムに対する C/C++ コードの自動生成
  • 新機能 固定小数点演算を使用して、メモリや電力に制限があるデバイスに展開
  • 新機能 C/C++ 予測コードを再生成せずに、SVM、線形モデル、決定木など展開済みモデルのパラメーターを更新

関連製品: MATLAB CoderMATLAB CompilerStatistics and Machine Learning Toolbox

ビッグデータ 

  • 分類、回帰、クラスタリングのアルゴリズムで tall 配列を使用し、メモリに収まりきらないデータセットを使ってモデルを学習
  • マルチクラス分類モデルの近似、ハイパーパラメーターの最適化、および tall 配列でのコストの指定
  • メモリに収まらないデータに対する高速な近似の平均、分位数、および非階層的分割の使用

関連製品: Parallel Computing ToolboxStatistics and Machine Learning Toolbox