MATLABの機械学習- MATLAB & Si万博1manbetxmulink - MathWorks日本 - 万博1manbetx,s manbetx 845,万博尤文图斯

MATLABの機械学習

機械学習とは

"機械学習"とは，人間にとっては自然である経験からの学習を行うようコンピュ，タ，に教えることです。機械学習アルゴリズムでは,モデルとしてあらかじめ定められている方程式に頼ることなく,コンピューター的な方法を使用してデータから直接情報を“学”習します。このアルゴリズムは，学習に使用できるサンプルの数が増えるにれて，性能が適応的に向上します。

機械学習では,既知の入力および出力データをモデルに学習させて将来の出力を予測できるようにする教師あり学習と,入力データの隠されたパターンまたは内在する構造を探す教師なし学習という2種類の手法を使用します。

教師あり機械学習の目的は,不確定要素が存在する状況で証拠に基づいて予測を行うモデルを構築することです。教師あり学習アルゴリズムでは,既知の入力データのセットとそのデータに対する既知の応答(出力)を使用して,新しいデータに対する応答を適切に予測するようモデルに学習をさせます。教師あり学習では，分類および回帰という手法を使用して予測モデルを構築します。

"分類"手法では,電子メールが本物であるかスパムであるかや腫瘍が癌であるか良性であるかなど,カテゴリカル応答を予測します。分類モデルは，入力デ，タをカテゴリに分類します。代表的な応用例には，医用画像，メジと音声の認識，信用評価などがあります。
"回帰"手法では，温度の変化や電力需要の変動など，連続的な応答を予測します。代表的な応用例には，電気負荷の予測やアルゴリズムトレ，ドなどがあります。

教師なし学習では，デ，タの隠されたパタ，ンまたは内在する構造を探します。これは,ラベル付きの応答がない入力データから構成されるデータセットから推論を行うために使用されます。“クラスタリング”は，最も一般的な教師なし学習手法です。これは，デ，タの隠されたパタ，ンまたはグル，プを探すために探索的デ，タ分析で使用されます。クラスタリングの応用例には，遺伝子配列分析，市場調査，物体認識などがあります

正しいアルゴリズムの選択

教師ありおよび教師なし機械学習アルゴリズムには多くの種類があり,それぞれが異なるアプローチで学習を行うので,正しいアルゴリズムを選択することは困難に思われるかもしれません。最適な方法や汎用の方法はありません。正しいアルゴリズムを見けることは，ある程度は試行錯誤に基づきます。非常に経験豊富なデータサイエンティストであっても,あるアルゴリズムが適切であるかどうかは実際に試してみないと判断できません。非常に柔軟なモデルでは,ノイズであるかもしれない小さい変動をモデル化することによりデータを過適合させる傾向があります。単純なモデルは，解釈は容易ですが，精度が低くなる可能性があります。したがって,正しいアルゴリズムを選択するには,モデルの速度,精度,複雑さなど,あるメリットと別のメリットのトレードオフが必要になります。試行錯誤は機械学習の中心であり,あるアプローチまたはアルゴリズムが適切ではない場合は別のものを試します。MATLAB^®には，さまざまな機械学習モデルを試して最適なものを選択するために役立ルが用意されています。

機械学習タスクの解決に役立つMATLABのアプリおよび関数については,次の表を参照してください。機械学習タスクには,アプリを使用する方が簡単になるものもあれば,コマンドライン機能を使用するものもあります。

タスク	Matlabのアプリと関数	製品	詳細
カテゴリカル応答を予測するための分類	分類学習器アプリを使用すると,選択したモデルに自動的に学習をさせ,最適なものを選択するために役立ちます。スクリプトで動作するmatlabコ，ドを生成できます。その他のオプションに▪▪いては，コマンドラ▪▪ン▪▪ンタ▪フェ▪スを使用できます。	统计和机器学习工具箱™	分類学習器アプリにおける分類モデルの学習分類関数
連続応答を予測するための回帰	回帰学習器アプリを使用すると,選択したモデルに自動的に学習をさせ,最適なものを選択するために役立ちます。スクリプトおよび他の関数オプションで動作するmatlabコ，ドを生成できます。その他のオプションに▪▪いては，コマンドラ▪▪ン▪▪ンタ▪フェ▪スを使用できます。	统计和机器学习工具箱	回帰学習器アプリにより回帰モデルに学習をさせる回帰関数
クラスタリング	クラスタ，解析関数を使用します。	统计和机器学习工具箱	クラスタ，分析
信用評価などの金融工学タスク	信用リスク分析をモデル化するためのルを使用します。	金融工具箱および风险管理工具箱	信用风险(金融工具箱)
分類と回帰のためのニュ，ラルネットワ，クによる深層学習	事前学習済みのネットワ，クと関数を使用して，畳み込みニュ，ラルネットワ，クに学習をさせます。	深度学习工具箱™	Matlabによる深層学習(深度学习工具箱)
顔認識，動き検出および物体検出	ルを使用します。	深度学习工具箱および计算机视觉工具箱™	認識，オブジェクト検出，およびセマンティックセグメンテ，ション(计算机视觉工具箱)

次の系統的な機械学習ワ，クフロ，は，機械学習の問題に対処するために役立，ます。ワ，クフロ，全体をmatlabで完了させることができます。

最適な学習済みモデルをプロダクションシステムに組み込むため，MATLAB编译器™を使用して统计和机器学习工具箱の機械学習モデルを展開できます。多くのモデルにいて，MATLAB编码器™を使用して予測用のcコ，ドを生成できます。

分類学習器アプリにおける分類モデルの学習

教師あり機械学習を使用してデータを分類するようにモデルに学習をさせるには,分類学習器アプリを使用します。このアプリでは，さまざまな分類器を使用する教師あり機械学習を対話的に調べることができます。

選択したモデルに自動的に学習をさせて，最適なモデルの選択に役立てます。モデルのタイプには,決定木,判別分析,サポートベクターマシン,ロジスティック回帰,最近傍,単純ベイズ,カーネル近似,アンサンブル,およびニューラルネットワークの各分類器があります。
デ，タの探索，検証方式の指定，特徴量の選択，および結果の可視化を行います。既定では，過適合を防ぐため交差検証が適用されます。あるいは，ホ，ルドアウト検証を選択できます。検証結果は，デ，タに最適なモデルを選択するために役立，ます。プロットと性能尺度には，検証したモデルの結果が反映されます。
新しいデタにいて予測を行うためにワクスペスにモデルをエクスポトします。このアプリでは，検証方式が指定されたモデルだけでなく，デ，タ全体に対するモデルの学習が行われます。エクスポ，トするのは，完全なモデルです。
スクリプトを作成するためのMATLABコードをアプリから生成し,新しいデータで学習をさせ,巨大なデータセットを操作し,将来の分析用にコードを変更します。

詳細にいては，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。

分类学习者app

その他のオプションに▪▪いては，コマンドラ▪▪ン▪▪ンタ▪フェ▪スを使用できます。分類を参照してください。

回帰学習器アプリにより回帰モデルに学習をさせる

教師あり学習を使用して連続データを予測するように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。このアプリでは，さまざまな回帰モデルを使用する教師あり機械学習を対話的に調べることができます。

選択したモデルに自動的に学習をさせて，最適なモデルの選択に役立てます。モデルのタイプには,線形回帰モデル,回帰木,ガウス過程回帰モデル,サポートベクターマシン,カーネル近似モデル,回帰木のアンサンブル,およびニューラルネットワークの各回帰モデルがあります。
デ，タを調査し，特徴量を選択して，結果を可視化します。分類学習器と同様、回帰学習器は既定で交差検証を適用します。結果と可視化には、検証したモデルが反映されます。この結果を使用して、データに最適なモデルを選択します。
新しいデタにいて予測を行うためにワクスペスにモデルをエクスポトします。このアプリでは，検証方式が指定されたモデルだけでなく，デ，タ全体に対するモデルの学習が行われます。エクスポ，トするのは，完全なモデルです。
スクリプトを作成するためのMATLABコードをアプリから生成し,新しいデータで学習をさせ,巨大なデータセットを操作し,将来の分析用にコードを変更します。

詳細にいては，回帰学習器アプリにより回帰モデルに学習をさせるを参照してください。

回归学习者应用程序

その他のオプションに▪▪いては，コマンドラ▪▪ン▪▪ンタ▪フェ▪スを使用できます。回帰を参照してください。

深層学習用のニュ，ラルネットワ，クの学習

深度学习工具箱を使用すると,分類,回帰,特徴抽出および転移学習について,畳み込みニューラルネットワークによる深層学習を行えます。このツールボックスは,深層ニューラルネットワークのレイヤーを作成および相互接続するためのシンプルなMATLABコマンドを提供しています。高度なコンピュータービジョンアルゴリズムやニューラルネットワークに関する幅広い知識がない場合でも,例と事前学習済みのネットワークによりMATLABを容易に深層学習用に使用できます。

詳細にいては，Matlabによる深層学習(深度学习工具箱)を参照してください。