Уменьшайте размер полного наивного классификатора Байеса путем удаления обучающих данных. Полные наивные классификаторы Байеса содержат обучающие данные. Можно использовать компактный наивный классификатор Байеса, чтобы повысить эффективность памяти.
Загрузите ionosphere
набор данных. Удалите первые два предиктора для устойчивости.
Обучите наивный классификатор Байеса с помощью предикторов X
и класс маркирует Y
. Методические рекомендации должны задать имена классов. fitcnb
принимает, что каждый предиктор условно и нормально распределен.
Mdl =
ClassificationNaiveBayes
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
NumObservations: 351
DistributionNames: {1x32 cell}
DistributionParameters: {2x32 cell}
Properties, Methods
Mdl
обученный ClassificationNaiveBayes
классификатор.
Уменьшайте размер наивного классификатора Байеса.
CMdl =
CompactClassificationNaiveBayes
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: {'b' 'g'}
ScoreTransform: 'none'
DistributionNames: {1x32 cell}
DistributionParameters: {2x32 cell}
Properties, Methods
CMdl
обученный CompactClassificationNaiveBayes
классификатор.
Отобразите объем памяти, используемый каждым классификатором.
Name Size Bytes Class Attributes
CMdl 1x1 15060 classreg.learning.classif.CompactClassificationNaiveBayes
Mdl 1x1 111174 ClassificationNaiveBayes
Полный наивный классификатор Байеса (Mdl
) больше чем в семь раз больше, чем компактный наивный классификатор Байеса (CMdl
).
Можно удалить Mdl
от MATLAB® Workspace и передачи CMdl
и новые значения предиктора к predict
эффективно пометить новые наблюдения.