Classification by Regression

概要

この演算子は、指定された回帰学習器を介して多項式分類モデルを構築します。

詳細

回帰による分類演算子は、ネストされた演算子です。つまり、サブプロセスがあります。サブプロセスには回帰学習器、つまり回帰モデルを生成する演算子が必要です。この演算子は、サブプロセスで提供される回帰学習器を使用して分類モデルを構築します。この演算子を適用するには、サブプロセスの基本的な理解が必要です。サブプロセスの基本的な理解については、サブプロセス演算子のドキュメントをご覧ください。

ここでは、回帰モデルから分類モデルがどのように構築されるかについて説明します。指定されたExampleSetの各クラスiについて、ラベルがiの場合はラベルを+1に設定し、そうでない場合は-1に設定した後、回帰モデルがトレーニングされます。次に、回帰モデルが分類モデルに結合されます。このモデルは、モデルの適用演算子を使用して適用できます。ラベルのない例の予測を決定するために、すべての回帰モデルが適用され、最大値を予測する回帰モデルに属するクラスが選択されます。

入力

トレーニングセット（IOObject）この入力ポートには、ExampleSetが必要です。これは、添付のプロセス例のRetrieveオペレーターの出力です。他の演算子の出力も入力として使用できます。

出力

モデル（モデル）分類モデルはこの出力ポートから配信されます。この分類モデルは、ラベル属性の予測のために、表示されていないデータセットに適用できます。
サンプルセット（IOObject）入力として指定されたExampleSetは、このポートを介して出力に変更せずに渡されます。これは通常、別の演算子で同じExampleSetを再利用するため、または結果ワークスペースでExampleSetを表示するために使用されます。

チュートリアルプロセス

分類に線形回帰演算子を使用する

「ソナー」データセットは、検索演算子を使用してロードされます。分割検証演算子は、分類モデルのトレーニングとテストのために適用されます。回帰による分類演算子は、分割検証演算子のトレーニングサブプロセスに適用されます。線形回帰演算子は、回帰演算子による分類のサブプロセスで適用されます。線形回帰は回帰学習器ですが、回帰による分類演算子によって使用され、分類モデルをトレーニングします。モデルの適用演算子は、テストサブプロセスでモデルを適用するために使用されます。結果のラベル付きExampleSetは、モデルのパフォーマンスを測定するためにパフォーマンス（分類）演算子によって使用されます。分類モデルとそのパフォーマンスベクトルは出力に接続され、結果ワークスペースで確認できます。