compact

Уменьшайте размер модели машинного обучения

Синтаксис

CompactMdl = compact(Mdl)

Описание

CompactMdl = compact(Mdl) возвращает компактную модель (CompactMdl), компактная версия обученной модели Mdl машинного обучения.

CompactMdl не содержит обучающие данные, тогда как Mdl содержит обучающие данные в его X и Y свойства. Поэтому несмотря на то, что можно предсказать метки класса с помощью CompactMdl, вы не можете выполнить задачи, такие как перекрестная проверка с компактной моделью.

Примеры

свернуть все

Уменьшайте размер наивного классификатора Байеса

Скрипт Open Live Script

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.

load ionosphere
X = X(:,3:end);

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 = fitcnb(X,Y,'ClassNames',{'b','g'})

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 = compact(Mdl)

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.

whos('Mdl','CMdl')

  Name      Size             Bytes  Class                                                        Attributes

  CMdl      1x1              15060  classreg.learning.classif.CompactClassificationNaiveBayes              
  Mdl       1x1             111190  ClassificationNaiveBayes

Полный наивный классификатор Байеса (Mdl) больше чем в семь раз больше, чем компактный наивный классификатор Байеса (CMdl).

Чтобы пометить новые наблюдения эффективно, можно удалить Mdl от MATLAB® Workspace, и затем передают CMdl и новые значения предиктора к predict.

Уменьшайте размер классификатора SVM

Скрипт Open Live Script

Уменьшайте размер машины вектора полной поддержки (SVM) классификатор путем удаления обучающих данных. Полные классификаторы SVM (то есть, ClassificationSVM классификаторы), содержат обучающие данные. Чтобы повысить эффективность, используйте меньший классификатор.

Загрузите ionosphere набор данных.

load ionosphere

Обучите классификатор SVM. Стандартизируйте данные о предикторе и задайте порядок классов.

SVMModel = fitcsvm(X,Y,'Standardize',true,...
    'ClassNames',{'b','g'})

SVMModel = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
                    Alpha: [90x1 double]
                     Bias: -0.1343
         KernelParameters: [1x1 struct]
                       Mu: [0.8917 0 0.6413 0.0444 0.6011 0.1159 0.5501 ... ]
                    Sigma: [0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927 ... ]
           BoxConstraints: [351x1 double]
          ConvergenceInfo: [1x1 struct]
          IsSupportVector: [351x1 logical]
                   Solver: 'SMO'


  Properties, Methods

SVMModel ClassificationSVM классификатор.

Уменьшайте размер классификатора SVM.

CompactSVMModel = compact(SVMModel)

CompactSVMModel = 
  CompactClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
                    Alpha: [90x1 double]
                     Bias: -0.1343
         KernelParameters: [1x1 struct]
                       Mu: [0.8917 0 0.6413 0.0444 0.6011 0.1159 0.5501 ... ]
                    Sigma: [0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927 ... ]
           SupportVectors: [90x34 double]
      SupportVectorLabels: [90x1 double]


  Properties, Methods

CompactSVMModel CompactClassificationSVM классификатор.

Отобразите объем памяти, используемый каждым классификатором.

whos('SVMModel','CompactSVMModel')

  Name                 Size             Bytes  Class                                                 Attributes

  CompactSVMModel      1x1              31058  classreg.learning.classif.CompactClassificationSVM              
  SVMModel             1x1             141148  ClassificationSVM

Полный классификатор SVM (SVMModel) больше чем в четыре раза больше, чем компактный классификатор SVM (CompactSVMModel).

Чтобы пометить новые наблюдения эффективно, можно удалить SVMModel от MATLAB® Workspace, и затем передают CompactSVMModel и новые значения предиктора к predict.

Чтобы далее уменьшать размер компактного классификатора SVM, используйте discardSupportVectors функционируйте, чтобы отбросить векторы поддержки.

Уменьшайте размер обобщенной аддитивной модели

Скрипт Open Live Script

Уменьшайте размер полной обобщенной аддитивной модели (GAM) для регрессии путем удаления обучающих данных. Полные модели содержат обучающие данные. Можно использовать компактную модель, чтобы повысить эффективность памяти.

Загрузите carbig набор данных.

load carbig

Задайте Acceleration, Displacement, Horsepower, и Weight как переменные предикторы (X) и MPG как переменная отклика (Y).

X = [Acceleration,Displacement,Horsepower,Weight];
Y = MPG;

Обучите GAM с помощью X и Y.

Mdl = fitrgam(X,Y)

Mdl = 
  RegressionGAM
              ResponseName: 'Y'
     CategoricalPredictors: []
         ResponseTransform: 'none'
                 Intercept: 26.9442
    IsStandardDeviationFit: 0
           NumObservations: 398


  Properties, Methods

Mdl RegressionGAM объект модели.

Уменьшайте размер модели.

CMdl = compact(Mdl)

CMdl = 
  CompactRegressionGAM
              ResponseName: 'Y'
     CategoricalPredictors: []
         ResponseTransform: 'none'
                 Intercept: 26.9442
    IsStandardDeviationFit: 0


  Properties, Methods

CMdl CompactRegressionGAM объект модели.

Отобразите объем памяти, используемый каждой моделью регрессии.

whos('Mdl','CMdl')

  Name      Size             Bytes  Class                                          Attributes

  CMdl      1x1             578163  classreg.learning.regr.CompactRegressionGAM              
  Mdl       1x1             611957  RegressionGAM

Полная модель (Mdl) больше, чем компактная модель (CMdl).

Чтобы эффективно предсказать ответы для новых наблюдений, можно удалить Mdl от MATLAB® Workspace, и затем передают CMdl и новые значения предиктора к predict.

Входные параметры

свернуть все

`Mdl` — Модель машинного обучения
полный объект модели регрессии | полный объект модели классификации

Модель машинного обучения в виде полной регрессии или объекта модели классификации, как дали в следующих таблицах поддерживаемых моделей.

Объект модели регрессии

Модель	Полный объект модели регрессии
Модель Gaussian process regression (GPR)	`RegressionGP`
Обобщенная аддитивная модель (GAM)	`RegressionGAM`
Модель нейронной сети	`RegressionNeuralNetwork`

Объект модели классификации

Модель	Полный объект модели классификации
Обобщенная аддитивная модель	`ClassificationGAM`
Наивная модель Bayes	`ClassificationNaiveBayes`
Модель нейронной сети	`ClassificationNeuralNetwork`
Машина опорных векторов для и бинарной классификации одного класса	`ClassificationSVM`

Выходные аргументы

свернуть все

`CompactMdl` — Компактная модель машинного обучения
компактный объект модели регрессии | компактный объект модели классификации

Компактная модель машинного обучения, возвращенная как одна из компактной модели, возражает в следующих таблицах, в зависимости от входной модели Mdl.

Объект модели регрессии

Модель	Полная модель (`Mdl`)	Компактная модель (`CompactMdl`)
Модель Gaussian process regression (GPR)	`RegressionGP`	`CompactRegressionGP`
Обобщенная аддитивная модель	`RegressionGAM`	`CompactRegressionGAM`
Модель нейронной сети	`RegressionNeuralNetwork`	`CompactRegressionNeuralNetwork`

Объект модели классификации

Модель	Полная модель (`Mdl`)	Компактная модель (`CompactMdl`)
Обобщенная аддитивная модель	`ClassificationGAM`	`CompactClassificationGAM`
Наивная модель Bayes	`ClassificationNaiveBayes`	`CompactClassificationNaiveBayes`
Модель нейронной сети	`ClassificationNeuralNetwork`	`CompactClassificationNeuralNetwork`
Машина опорных векторов для и бинарной классификации одного класса	`ClassificationSVM`	`CompactClassificationSVM`

Введенный в R2014a

Документация

compact

Синтаксис

Описание

Примеры

Уменьшайте размер наивного классификатора Байеса

Уменьшайте размер классификатора SVM

Уменьшайте размер обобщенной аддитивной модели

Входные параметры

`Mdl` — Модель машинного обучения
полный объект модели регрессии | полный объект модели классификации

Выходные аргументы

`CompactMdl` — Компактная модель машинного обучения
компактный объект модели регрессии | компактный объект модели классификации

Документация Statistics and Machine Learning Toolbox

Поддержка

Документация

compact

Синтаксис

Описание

Примеры

Уменьшайте размер наивного классификатора Байеса

Уменьшайте размер классификатора SVM

Уменьшайте размер обобщенной аддитивной модели

Входные параметры

Mdl — Модель машинного обучения полный объект модели регрессии | полный объект модели классификации

Выходные аргументы

CompactMdl — Компактная модель машинного обучения компактный объект модели регрессии | компактный объект модели классификации

Документация Statistics and Machine Learning Toolbox

Поддержка

`Mdl` — Модель машинного обучения
полный объект модели регрессии | полный объект модели классификации

`CompactMdl` — Компактная модель машинного обучения
компактный объект модели регрессии | компактный объект модели классификации