分類モデルの学習

この例では、ionosphereデータ セットを使用します。これには、レーダー反射の品質 (Y) と、34 個の変数の予測子データ (X) が含まれます。レーダー反射の品質は良好 ('g') または不良 ('b') のいずれかです。

ionosphereデータセットを読み込みます。標本サイズを調べます。

loadionospheren = numel(Y)

n = 351

レーダー反射は連続的に検出されるものとし、また、はじめの 300 個の観測値を入手しており、残りの 51 個はまだ入手していないとします。現在の標本と将来の標本にデータを分割します。

prsntX = X(1:300,:); prsntY = Y(1:300); ftrX = X(301:end,:); ftrY = Y(301:end);

現在利用できるすべてのデータを使用して SVM モデルに学習をさせます。予測子データを標準化するよう指定します。

svmMdl= fitcsvm(prsntX,prsntY,'Standardize',true);

svmMdlはClassificationSVMモデルです。

svmMdlのClassNamesプロパティを使用して、陰性および陽性のクラス名をチェックします。

svmMdl.ClassNames

ans =2x1 cell{'b'} {'g'}

陰性のクラスは'b'で、陽性のクラスは'g'です。ClassificationSVM Predict ブロックのscore端子からの出力値は同じ順序です。1 番目および 2 番目の要素が、それぞれ陰性のクラス スコアおよび陽性のクラス スコアに対応します。

Simulink モデルの作成

この例では、ClassificationSVM Predictブロックを含む Simulink モデルslexIonosphereClassificationSVMPredictExample.slxが用意されています。この節の説明に従って、この Simulink モデルを開くことも、新しいモデルを作成することもできます。

Simulink モデルslexIonosphereClassificationSVMPredictExample.slxを開きます。

SimMdlName ='slexIonosphereClassificationSVMPredictExample'；open_system(SimMdlName)

slexIonosphereClassificationSVMPredictExampleのコールバック関数PreLoadFcnには、標本データの読み込み、SVM モデルの学習、および Simulink モデルの入力信号の作成を行うコードが含まれています。Simulink モデルを開くと、Simulink モデルを読み込む前に、ソフトウェアがPreLoadFcnのコードを実行します。コールバック関数を表示するには、[モデル化]タブの[設定]セクションで、[モデル設定]をクリックし、[モデル プロパティ]を選択します。次に、[コールバック]タブで、[モデルのコールバック]ペインのコールバック関数PreLoadFcnを選択します。

新しい Simulink モデルを作成するには、空のモデルテンプレートを開き、ClassificationSVM Predict ブロックを追加します。Inport ブロックと Outport ブロックを追加して、それらを ClassificationSVM Predict ブロックに接続します。

ClassificationSVM Predict ブロックをダブルクリックして、[ブロック パラメーター] ダイアログ ボックスを開きます。Select trained machine learning modelパラメーターをsvmMdlとして指定します。これは、学習済みの SVM モデルを含むワークスペース変数の名前です。[更新]ボタンをクリックします。ダイアログボックスのTrained Machine Learning Modelには、SVM モデルsvmMdlの学習に使用されるオプションが表示されます。[Add output port for predicted class scores]チェックボックスをオンにして,2番目の出力端子scoreを追加します。

ClassificationSVM Predict ブロックには、34 個の予測子の値を含む観測値が必要です。Inport ブロックをダブルクリックし、[信号属性]タブで[端子の次元]を 34 に設定します。

Simulink モデルの構造体配列の形式で、入力信号を作成します。構造体配列には、次のフィールドが含まれていなければなりません。

将来のレーダー反射用に適切な構造体配列を作成します。

radarReturnInput.time = (0:50)'; radarReturnInput.signals(1).values = ftrX; radarReturnInput.signals(1).dimensions = size(ftrX,2);

ワークスペースから信号データをインポートするには、次を実行します。

詳細は、シミュレーションのための信号データの読み込み(Simulink)を参照してください。

モデルをシミュレートします。

sim(SimMdlName);

Inport ブロックでは、観測値を検出すると、その観測値を ClassificationSVM Predict ブロックに送ります。シミュレーション データ インスペクター(Simulink)を使用して、Outport ブロックのログ データを表示できます。