機械学習を用いたクラス分けをする際に、各クラスに重みづけすることは可能ですか？

Asked by Sho Nitta on 14 Aug 2019

Latest activity Edited by michio on 9 Sep 2019

14 views (last 30 days)

例えば、ある複数の予測因子をもとに、A, B, Cに分類するといった問題があるとき、ふつうは全てのクラスまんべんなく正答率をあげるよう学習すると思うのですが、Cのものは確実にCに分類したい　といった重みを変更して学習するといったことはできないのでしょうか？

0 Comments

1 Answer

Link

michio 님의 답변 14 Aug 2019

michio 님이 편집함. 14 Aug 2019

채택된 답변

学習を行う関数実行時にコスト行列（ 'Cost' オプション）を使う方法がまず有効かと思います。

例下記ページで 'Cost' の項を確認してみてください。

k近傍法：https://jp.mathworks.com/help/stats/fitcknn.html
サポートベクターマシン：https://jp.mathworks.com/help/stats/fitcsvm.html

Webセミナーで解説した部分がありますので参考にしてみてください。

MATLABを使った予知保全・故障予測（39:30辺りから）

k近傍法で具体的にどんな計算が行われているかについては、以下も参考になるかもしれません。

最近傍法では誤判別のコストをオプションで指定できますが、実際はどのような計算が行われていますか？

4 Comments

Show 1 older comment

michio 14 Aug 2019

決定木：https://jp.mathworks.com/help/stats/fitctree.html

にも Cost オプションございます。

Sho Nitta 9 Sep 2019

'Cost', [0 1 1 ; 1 0 1; 1 1 0] でコストを定義すると思うのですが、数字の意味がよくわかりません（1以上の値も指定できるようですが）

また、アンサンブル学習 fitcensembleにもcostが存在しますが、使い方は同じでしょうか？

michio 9 Sep 2019

アンサンブル学習でも使い方は同じです。

Cost の数値がどんな影響を与えるかはアルゴリズム次第なので一概には言えないのですが、定性的には「大きな数値を与えればその誤判別が下がる」ような学習結果となるイメージです。（ビデオで説明されているまんま、、ですね、すいません。）

最近傍法であれば：

最近傍法では誤判別のコストをオプションで指定できますが、実際はどのような計算が行われていますか？

サポートベクターマシンであれば以下が参考になるかもしれません。

fitcsvm や svmtrain でソフトマージンのボックス制約 C はどのように設定されますか？

You are now following this question

Sho Nitta (view profile)