次元削減

フィードバック値（フィーチャー）の数を少なくすると、モデル品質を高め、さらにモデルトレーニングを高速化することができます。

Model properties ウィンドウ（Model Configurations ウィンドウ）で、次元削減についての以下のオプションを選択できます。

Feature Extraction (PCA)：主成分分析（PCA：principle component analysis）を使用して、指定されたフィーチャー数までフィードバック構造の次元を削減します。

注記
多くの場合、冗長性などの理由から、フィードバック構造のすべてのフィーチャーが必要なわけではありません。フィーチャー数を少なくすることがモデルトレーニングの高速化に役立ちます。

Automatic Feature Selection：手動でのフィーチャー選択の代わりに、自動検索により適切なフィーチャー設定を行うことができます。
Manual：手動でのフィーチャー選択により、Inputs／Output テーブル内のチェックボックス（Model Configurations ウィンドウ）でフィーチャーのセットを明示的に選択することができます。

このオプションは、Dimensionality Reduction = None によるモデルトレーニングで十分なモデル品質が得られなかった場合や、システム固有の時間依存性がわかっている場合に有用です。

フィーチャーを自動選択する

注記
複数のシステム出力が存在する場合は、出力ごとにこの処理を行う必要があります。

Model > NARX Feature Search > Configureを選択します。
Model Type ドロップダウンリストで、フィーチャーの自動選択に使用したいモデルタイプを選択します。

最良の結果を得るには、実際のモデルトレーニングで使用するものと同じタイプを選択してください。
必要に応じて、Edit Model をクリックして <output> - Parameters ウィンドウ（モデルトレーニング）を開き、モデルパラメータを編集します。
Search Method フィールドで、使用するメソッドオプションを選択します。

Forward Selection

「前方選択」は、空のフィーチャーセットから始め、モデル品質を最大限高めるフィーチャーを追加していく処理を繰り返します。収束を速めるための推奨設定です。
Backward Elimination

「後方除去」は、始めはすべてのフィーチャーを使用し、モデルへの影響が最も少ないフィーチャーを除外していく処理を繰り返します。この利点は、フィーチャー間の相互依存性が識別される点にあります。
Heuristic Elimination

「ヒューリスティック除去」は、始めはすべてのフィーチャーを使用し、ヒューリスティック入力の関連性に基づいて、モデルへの影響が最も少ないフィーチャーを除外していく処理を繰り返します。他のメソッド、特に「後方除去」と比較して、より早くNARX構造を見つけることができます。
Lag-Wise Search

このチェックボックスがオンになっていると、入力がラグワイズで検索されます。これによりフィーチャー検索が高速化されます。

Stop Criteria [%] フィールドに停止目標値を入力します。

モデル品質がこれ以上向上できない場合（Forward Selection 使用時）、または指定された停止値よりも悪くなる場合（Backward Elimination 使用時）に、検索が停止します。
Min Time Lag／Max Time Lag フィールドに、入力と出力の最小／最大のタイムラグを設定します。
Search Features をクリックして自動フィーチャー選択を開始します。検索には時間を要する場合があります。Automatic Feature Selection <output> ウィンドウの右上のプロット内に進捗状況が表示されます。

検索が終了すると、最良の結果がマークされます。
Apply をクリックして結果を適用します。

すべての出力についてフィーチャーを選択したら、Model Properties ウィンドウに戻り、OK ボタンでモデルトレーニングを開始します。