compact

Компактная обобщенная линейная модель регрессии

Синтаксис

Описание

пример

compactMdl = compact(mdl) возвращает компактную обобщенную линейную модель compactMdl регрессии, который является компактной версией полной, адаптированной обобщенной линейной модели mdl регрессии.

Примеры

свернуть все

Подбирайте обобщенную линейную модель регрессии к данным и уменьшайте размер полной, подобранной модели путем отбрасывания выборочных данных и некоторой информации, связанной с подходящим процессом.

Загрузите largedata4reg набор данных, который содержит 15 000 наблюдений и 45 переменных предикторов.

load largedata4reg

Подбирайте обобщенную линейную модель регрессии к данным с помощью первых 15 переменных предикторов.

mdl = fitglm(X(:,1:15),Y);

Уплотните модель.

compactMdl = compact(mdl);

Компактная модель отбрасывает исходные выборочные данные и некоторую информацию, связанную с подходящим процессом, таким образом, это использует меньше памяти, чем полная модель.

Сравните размер полной модели mdl и компактная модель compactMdl.

vars = whos('compactMdl','mdl');
[vars(1).bytes,vars(2).bytes]
ans = 1×2

       15518     4382502

Компактная модель использует меньше памяти, чем полная модель.

Входные параметры

свернуть все

Обобщенная линейная модель регрессии в виде GeneralizedLinearModel объект, созданный с помощью fitglm или stepwiseglm.

Выходные аргументы

свернуть все

Компактная обобщенная линейная модель регрессии, возвращенная как CompactGeneralizedLinearModel объект.

CompactGeneralizedLinearModel объект использует меньше памяти, чем GeneralizedLinearModel возразите, потому что компактная модель не хранит входные данные, используемые, чтобы подбирать модель или информацию, связанную с подходящим процессом. Можно все еще использовать компактную модель, чтобы предсказать ответы с помощью новых входных данных, но некоторого GeneralizedLinearModel возразите функциям, которые требуют, чтобы входные данные не работали с компактной моделью.

Введенный в R2017b

Для просмотра документации необходимо авторизоваться на сайте