Сравните размер полной модели дерева регрессии к уплотненной модели.
Загрузите carsmall
набор данных. Рассмотрите Acceleration
, Displacement
, Horsepower
, и Weight
как переменные предикторы.
Вырастите дерево регрессии использование целого набора данных.
Mdl =
RegressionTree
ResponseName: 'Y'
CategoricalPredictors: []
ResponseTransform: 'none'
NumObservations: 94
Properties, Methods
Mdl
RegressionTree
модель. Это - полная модель, то есть, это хранит информацию, такую как предиктор и данные об ответе fitrtree
используемый в обучении. Для списка свойств полных моделей дерева регрессии смотрите RegressionTree
.
Создайте компактную версию полного дерева регрессии. Таким образом, тот, который содержит достаточно информации, чтобы сделать предсказания только.
CMdl =
classreg.learning.regr.CompactRegressionTree
ResponseName: 'Y'
CategoricalPredictors: []
ResponseTransform: 'none'
Properties, Methods
CMdl
CompactRegressionTree
модель. Для списка свойств компактных моделей дерева регрессии смотрите CompactRegressionTree
.
Смотрите объемы памяти, которые используют полные и компактные деревья регрессии.
В этом случае компактная модель дерева регрессии использует приблизительно на 25% меньше памяти, чем полная модель использует.