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。
gather
GPU からのStatistics and Machine Learning Toolboxオブジェクトのプロパティの収集
構文
説明
は,入力オブジェクトgatheredObj
= gather(obj
)obj
のすべてのプロパティを収集し、収集されたオブジェクトgatheredObj
を返します。出力オブジェクトのすべてのプロパティは、ローカル ワークスペースに格納されます。
gather
を使用して、GPU 配列として格納されたデータを使用して当てはめられたオブジェクトから、ローカル ワークスペースに格納されたプロパティをもつ Statistics and Machine Learning Toolbox™ オブジェクトを作成します。GPU 配列の詳細については、gpuArray
(Parallel Computing Toolbox)を参照してください。GPU の使用には、Parallel Computing Toolbox™ およびサポートされている GPU デバイスが必要です。サポートされているデバイスの詳細については、リリース別の GPU サポート(Parallel Computing Toolbox)を参照してください。
例
線形回帰モデルのプロパティの収集
GPU 配列データであてはめられた線形回帰モデルのプロパティを収集します。
carsmall
データセットを読み込みます。車両の 3 つのパフォーマンス メトリクスを格納する数値行列としてX
を作成します。ガロンあたりの走行マイル数を格納する数値ベクトルとしてY
を作成します。
loadcarsmallX = [Weight,Horsepower,Acceleration]; Y = MPG;
予測子X
および応答Y
をgpuArray
(Parallel Computing Toolbox)オブジェクトに変換します。
X = gpuArray(X); Y = gpuArray(Y);
fitlm
を使用して、線形回帰モデルmdl
をあてはめます。
mdl = fitlm(X,Y);
mdl
の係数を表示し、推定された係数値が GPU 配列であるかどうかを判定します。
mdl.Coefficients
ans=4×4 table估计SE tStat pValue __________ _________ _________ __________ (Intercept) 47.977 3.8785 12.37 4.8957e-21 x1 -0.0065416 0.0011274 -5.8023 9.8742e-08 x2 -0.042943 0.024313 -1.7663 0.08078 x3 -0.011583 0.19333 -0.059913 0.95236
isgpuarray(mdl.Coefficients.Estimate)
ans =logical1
線形回帰モデルのプロパティを収集します。
gatheredMdl = gather(mdl);
gatheredMdl
の係数を表示し、推定された係数値が GPU 配列であるかどうかを判定します。
gatheredMdl.Coefficients
ans=4×4 table估计SE tStat pValue __________ _________ _________ __________ (Intercept) 47.977 3.8785 12.37 4.8957e-21 x1 -0.0065416 0.0011274 -5.8023 9.8742e-08 x2 -0.042943 0.024313 -1.7663 0.08078 x3 -0.011583 0.19333 -0.059913 0.95236
isgpuarray(gatheredMdl.Coefficients.Estimate)
ans =logical0
複数モデルのプロパティの収集
線形回帰モデルとk最近傍分類器のプロパティを収集します。どちらのモデルも GPU 配列データを使用してあてはめられています。
carsmall
データセットを読み込みます。車両の 3 つのパフォーマンス メトリクスを格納する数値行列としてX
を作成し、予測子X
をgpuArray
オブジェクトに変換します。
loadcarsmallX = [Weight,Horsepower,Acceleration]; X = gpuArray(X);
MPG
(ガロンあたりの走行マイル数)の線形回帰モデルを予測子X
の関数としてあてはめます。
mdlLinear = fitlm(X,MPG);
3 最近傍分類器を予測子X
とクラスCylinders
を使用して学習させます。非カテゴリカル予測子データを標準化します。
mdlKNN = fitcknn(X,Cylinders,'NumNeighbors',3,'Standardize',1);
mdLinear
モデルとmdlKNN
モデルのプロパティを収集します。
[gMdlLinear,gMdlKNN] = gather(mdlLinear,mdlKNN);
回帰モデルmdlLinear
に対するダービン・ワトソン検定のp値が GPU 配列であるかどうかを判定します。
isgpuarray(dwtest(mdlLinear))
ans =logical1
収集した回帰モデルgMdlLinear
に対するダービン・ワトソン検定のp値が GPU 配列であるかどうかを判定します。
isgpuarray(dwtest(gMdlLinear))
ans =logical0
分類器mdlKNN
の再代入損失が GPU 配列であるかどうかを判定します。
isgpuarray(resubLoss(mdlKNN))
ans =logical1
収集した分類器gMdlKNN
の再代入損失が GPU 配列であるかどうかを判定します。
isgpuarray(resubLoss(gMdlKNN))
ans =logical1
入力引数
obj
—GPU 配列またはgpuArray
オブジェクトを使用して当てはめられたオブジェクト
回帰モデル オブジェクト|分類モデル オブジェクト|確率分布オブジェクト|cvpartition
オブジェクト|gpuArray
オブジェクト
GPU 配列またはgpuArray
オブジェクトを使用して当てはめられたオブジェクト。回帰モデル オブジェクト、分類モデル オブジェクト、確率分布オブジェクト、cvpartition
オブジェクト、またはgpuArray
(Parallel Computing Toolbox)オブジェクトを指定します。gpuArray
オブジェクトは GPU に格納されている配列を表します。
gather
がサポートする Statistics and Machine Learning Toolbox オブジェクトの詳細については、サポートされている回帰モデル、サポートされている分類モデル、およびサポートされている確率分布オブジェクトを参照してください。
詳細
サポートされている回帰モデル
関数gather
は次の回帰モデル オブジェクトのプロパティを収集できます。
モデル タイプ | 完全またはコンパクトなモデル オブジェクト | モデル作成関数 |
---|---|---|
完全な一般化線形回帰モデル | GeneralizedLinearModel またはCompactGeneralizedLinearModel |
fitglm またはGeneralizedLinearModel オブジェクト関数compact |
完全な線形回帰モデル | LinearModel またはCompactLinearModel |
fitlm またはLinearModel オブジェクト関数compact |
回帰木モデル | RegressionTree またはCompactRegressionTree |
fitrtree またはRegressionTree オブジェクト関数compact |
交差検証済みの回帰モデル | RegressionPartitionedModel |
fitrtree |
GPU 配列を使ってあてはめられたコンパクトなモデルを作成する場合、compact
の入力引数mdl
は、GPU 配列の入力引数を使ってあてはめられた完全なモデル オブジェクトでなければなりません。
サポートされている分類モデル
関数gather
は次の分類モデル オブジェクトのプロパティを収集できます。
モデル タイプ | 完全またはコンパクトなモデル オブジェクト | モデル作成関数 |
---|---|---|
サポート ベクター マシンまたはその他の分類器用のマルチクラス モデル | ClassificationECOC またはCompactClassificationECOC |
fitcecoc またはClassificationECOC オブジェクト関数compact |
分類用のアンサンブル学習器 | ClassificationEnsemble 、CompactClassificationEnsemble 、またはClassificationBaggedEnsemble |
fitcensemble またはClassificationEnsemble オブジェクト関数compact |
k 最近傍分類器 | ClassificationKNN |
fitcknn |
マルチクラス分類用の二分決定木 | ClassificationTree またはCompactClassificationTree |
fitctree またはClassificationTree オブジェクト関数compact |
交差検証 ECOC モデル | ClassificationPartitionedECOC |
fitcecoc |
交差検証アンサンブル分類 | ClassificationPartitionedEnsemble |
fitcensemble |
交差検証分類モデル | ClassificationPartitionedModel |
fitcknn 、fitcsvm 、またはfitctree |
GPU 配列を使ってあてはめられたコンパクトなモデルを作成する場合、compact
の入力引数mdl
は、GPU 配列の入力引数を使ってあてはめられた完全なモデル オブジェクトでなければなりません。
サポートされている確率分布オブジェクト
関数gather
は次の確率分布オブジェクトのプロパティを収集できます。
確率分布 | 確率分布オブジェクト | オブジェクト作成関数 |
---|---|---|
ベータ分布 | BetaDistribution |
distname を'Beta' として指定したfitdist |
二項分布 | BinomialDistribution |
distname を'Binomial' として指定したfitdist |
バーンバウム・サンダース分布 | BirnbaumSaundersDistribution |
distname を'BirnbaumSaunders' として指定したfitdist |
ブール分布 | BurrDistribution |
distname を'Burr' として指定したfitdist |
指数分布 | ExponentialDistribution |
distname を'Exponential' として指定したfitdist |
極値分布 | ExtremeValueDistribution |
distname を'ExtremeValue' として指定したfitdist |
ガンマ分布 | GammaDistribution |
distname を'Gamma' として指定したfitdist |
一般化極値分布 | GeneralizedExtremeValueDistribution |
distname を'GeneralizedExtremeValue' として指定したfitdist |
一般化パレート分布 | GeneralizedParetoDistribution |
distname を'GeneralizedPareto' として指定したfitdist |
半正規分布 | HalfNormalDistribution |
distname を'HalfNormal' として指定したfitdist |
逆ガウス分布 | InverseGaussianDistribution |
distname を'InverseGaussian' として指定したfitdist |
カーネル分布 | KernelDistribution |
distname を'Kernel' として指定したfitdist |
ロジスティック分布 | LogisticDistribution |
distname を'Logistic' として指定したfitdist |
対数ロジスティック分布 | LoglogisticDistribution |
distname を'Loglogistic' として指定したfitdist |
対数正規分布 | LognormalDistribution |
distname を'Lognormal' として指定したfitdist |
仲上分布 | NakagamiDistribution |
distname を'Nakagami' として指定したfitdist |
負の二項分布 | NegativeBinomialDistribution |
distname を'NegativeBinomial' として指定したfitdist |
正規分布 | NormalDistribution |
distname を'Normal' として指定したfitdist |
ポアソン分布 | PoissonDistribution |
distname を'Poisson' として指定したfitdist |
レイリー分布 | RayleighDistribution |
distname を'Rayleigh' として指定したfitdist |
t 位置-スケール分布 | tLocationScaleDistribution |
distname を'tLocationScale' として指定したfitdist |
ワイブル分布 | WeibullDistribution |
distname を'Weibull' として指定したfitdist |
ヒント
GPU 配列は収集にコストがかかる場合があり、GPU 配列をサポートしない関数で結果を使用する必要がない限り、通常は必要ありません。GPU 配列を受け入れる Statistics and Machine Learning Toolbox の関数の完全な一覧については、関数リスト (GPU 配列)を参照してください。
gather
は、分散配列や対話型分散配列、tall 配列など他のデータ型にも呼び出すことができます。データ型が収集をサポートしていない場合、gather
は無効です。
拡張機能
tall 配列
メモリの許容量を超えるような多数の行を含む配列を計算します。
GPU 配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。
この関数は、GPU 配列を完全にサポートします。詳細は、GPU での MATLAB 関数の実行(Parallel Computing Toolbox)を参照してください。
バージョン履歴
参考
gather
(Parallel Computing Toolbox)|gpuArray
(Parallel Computing Toolbox)|LinearModel
|GeneralizedLinearModel
|ClassificationKNN
|ClassificationTree
|ClassificationEnsemble
|ClassificationECOC
|RegressionTree
|fitdist
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select:.
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina(Español)
- Canada(English)
- United States(English)
Europe
- Belgium(English)
- Denmark(English)
- Deutschland(Deutsch)
- España(Español)
- Finland(English)
- France(Français)
- Ireland(English)
- Italia(Italiano)
- Luxembourg(English)
- Netherlands(English)
- Norway(English)
- Österreich(Deutsch)
- Portugal(English)
- Sweden(English)
- Switzerland
- United Kingdom(English)