実行
[ブースティング]

ブースティング 誤識別率による停止を考慮しない

ブースティングのタイプ

ブースティングの種類を指定する定数です

列挙型の値:

F_BOOST_TYPE_DISCRETE	Discrete AdaBoost 学習サンプルの重みを適応的に更新し識別器を作成する、最も基本的なアルゴリズム
F_BOOST_TYPE_REAL	Real AdaBoost 弱識別器の出力が、特徴量の確率密度分布に応じて多値化されるアルゴリズム

Boostingによる機械学習

hMl_sample で指定された教師データを用いてBoostingによる学習を行い、 その結果を保持した学習オブジェクトのハンドルを返します。本ライブラリは 高さ1の決定木構造を弱識別器とする、AdaBoostによる学習を実装しています。

hMl_sample には、学習で用いる教師データを設定した教師データオブジェクトを 設定します。hMl_sample にはちょうど2クラスの教師データが設定されている必要があります。 それ以外のクラス数の教師データが設定いた場合は、返却されるハンドルはNULLとなり、 後述の error_code が設定されていた場合は、F_ERR_CALC_IMPOSSIBLE が出力されます。

var_type は、 hMl_sample で指定した教師データの特徴ベクトルが 数値属性であるか、カテゴリ属性であるかを指定します。以下の値にて指定してください

• F_ML_SAMPLE_NUMERICAL
  教師データの特徴ベクトルが数値属性

• F_ML_SAMPLE_CATEGORICAL
  教師データの特徴ベクトルがカテゴリ属性

教師データの属性については、 こちらを参照してください。 なお、特徴ベクトルの属性にカテゴリ属性を指定した場合、特徴ベクトルの値は全て整数値である必要があります。 そのため、特徴ベクトルに小数点以下の値が含まれていた場合、小数点以下の値は切り捨てられ、 整数値のベクトルとして扱われます。
その際、内部で教師データオブジェクトのコピーを作成し、そのデータに対して処理を行います。 そのため、入力の hMl_sample は変更されません。

boost_type は、AdaBoostのタイプを指定します。以下の値にて指定してください。

• F_BOOST_TYPE_DISCRETE
  Discrete AdaBoostによる学習を行います。

• F_BOOST_TYPE_REAL
  Real AdaBoostによる学習を行います。

各々のアルゴリズムについては こちらを参照してください。

predictor_num は、学習で作成する弱識別器の数を指定します。強識別器を構成する弱識別器の数が この値に達した場合、学習を終了します。

stop_error_rate は、学習を停止する、教師データに対する誤識別率を指定します。 学習中、弱識別器を追加する度に、教師データに対する現在の強識別器の誤識別率を計算し、 その値がパラメータで指定した値以下になった場合は学習を終了します。
誤識別率による学習の終了を行わない場合は、 F_ML_BOOST_STOPRATE_INVALID を指定してください。 このときは、predictor_num で指定した弱識別器の数に達するまで学習を継続します。

preprocess は学習を開始する前に、与えられた教師データに行う前処理を指定します。
値は以下のdefineをORで指定します。それ以外の値は無視されるので注意してください。 また、前処理が不要な場合は0を指定してください。

• F_ML_PRE_TRIM_VECTOR : 重複した教師データの削除
  
• F_ML_PRE_SCALE_VECTOR : 特徴ベクトルの各成分の正規化
  

教師データの特徴ベクトルがカテゴリ属性で合った場合は、事前処理の指定は無視されます。
なお、教師データに対する前処理を行う際は、内部で教師データオブジェクトのコピーを 作成し、そのデータに対して処理を行います。そのため、入力の hMl_sample は変更されません。

train_time_sec は 学習時間の上限値を秒単位で設定します。この値が設定されていた場合、 内部で学習開始からの経過時間の監視を行います。指定された時間を経過した場合、 学習を打ち切り、処理を終了します。学習の打ち切りが発生した場合、 返却されるハンドルはNULLとなります。また、後述の error_code が設定されていた場合は、 F_ERR_TIMEOUT が設定されます。

学習時間の監視が不要な場合は train_time_sec に0を設定します。このときは、 終了条件が成立するまで、無制限に学習を続けます。

経過時間の確認は、1つの弱識別器の学習が終了する度に行います。そのため、経過時間が指定した 学習時間の上限に達した場合でも、すぐに学習が打ち切られないケースがある事に注意して下さい。

error_code には、学習を行った際のエラーコードを設定されます。学習が正常終了した場合は F_ERR_NONE が 設定されます。なお、エラーコードを受け取る必要が無い場合はNULLを指定してください。

引数:

[in]	hMl_sample	学習に用いる教師データ教師データオブジェクトのハンドル
[in]	var_type	教師データの特徴ベクトルの属性
[in]	boost_type	AdaBoostのタイプ
[in]	predictor_num	作成する弱識別器の上限値 (1 <= predictor_num)
[in]	stop_error_rate	学習を終了する教師データに対する誤識別率 (0.0 <= stop_error_rate <= 1.0 または F_ML_BOOST_STOPRATE_INVALID )
[in]	preprocess	学習の前処理指定パラメータ
[in]	train_time_sec	学習時間の上限値(単位：秒) 指定しない場合は0
[out]	error_code	エラー発生時のエラーコード エラーコードを受け取る必要の無い場合は、NULLを指定します。 F_ERR_NONE 正常終了 F_ERR_INVALID_PARAM 入力されたパラメータが不正 F_ERR_INVALID_OBJECT 入力された教師データオブジェクトが不正 F_ERR_TIMEOUT 指定された学習時間内で学習が終了しなかった F_ERR_NOMEMORY メモリ不足による領域確保エラー F_ERR_CALC_IMPOSSIBLE 計算不能エラー F_ERR_NO_LICENCE ライセンスエラー、または未初期化エラー

戻り値:

確保された機械学習オブジェクトのハンドル エラーにより学習に失敗した場合はNULLを返します

参照:

fnFIE_ml_predict()

Boostingによる学習パラメータを取得する

hMl で指定したBoostingのパラメータを取得します。

取得できるパラメータは、特徴ベクトルのタイプ、Boostingのタイプ、 指定した弱識別器の上限数、指定した停止条件となる誤識別率、 学習時の前処理指定パラメータ、学習した結果生成された弱識別器の数、 学習した強識別器の教師データに対する誤識別率です。

出力先の引数は全てNULLポインタチェックがされるため、必要の無いものについてはNULL指定が可能です。 このとき、 hMl 以外のパラメータがNULLであっても、エラーにはならず正常終了します。

引数:

[in]	hMl	情報を取得するBoostingオブジェクト
[out]	var_type	学習時に指定した特徴ベクトルのタイプ
[out]	boost_type	学習時に指定したBoostingのタイプ
[out]	predictor_num	学習時に指定した弱識別器の上限数
[out]	stop_error_rate	学習時に指定した停止条件となる誤識別率
[out]	preprocess	学習時に指定した前処理指定パラメータ
[out]	create_predictor_num	学習した結果生成された弱識別器の数
[out]	train_error_rate	学習した強識別器の教師データに対する誤識別率

戻り値:

	F_ERR_NONE	正常終了
	F_ERR_INVALID_OBJECT	入力された教師データオブジェクトが不正
	F_ERR_NO_LICENCE	ライセンスエラー、または未初期化エラー