主要内容
紧凑
决策树的紧凑型集合
描述
CMDL.=紧凑（MDL.）MDL.， 一种treebagger模型对象。您可以预测回归使用CMDL.正如您可以使用的那样MDL.。但是，从那以后CMDL.不包含培训数据，您无法执行一些操作，例如使用袋子预测使用Oobpredict.。
输入参数
|
创建的回归整体 |
输出参数
|
一个紧凑的回归合奏。 |
例子
减少树袋的尺寸
创建一块小型树木，以有效地对新数据进行预测。
加载电离层数据集。
加载电离层
使用所有测量和培训一袋100种分类树adaboostm1.方法。
mdl = treebagger（100，x，y，'方法'那'分类'）
MDL = TreeBagger合奏与100架袋装决策树：训练X：[351x34]训练Y：[351x1]方法：分类NumPredictors：34 NumPredictorstosample：6 minleafsize：1个碎片效果：1个样品释放：1 ComputeOobPrediction：0 ComputeOobpredictorImportance：0ClassNames：'B'G'属性，方法
MDL.是A.treebagger模型对象包含培训数据，以及其他事项。
创建一个紧凑的版本MDL.。
cmdl = compact（mdl）
CMDL = CompactTreeBagger合奏与100袋决策树：方法：分类NumPredictors：34 ClassNames：'B'G'属性，方法
CMDL.是A.CompactTreeBagger.模型对象。CMDL.几乎和MDL.。一个例外是它不存储培训数据。
比较消耗的空间量MDL.和CMDL.。
mdlinfo = whos（'mdl'）;cmdlinfo = whos（'cmdl'）;[mdlinfo.bytes cmdlinfo.bytes]
ans =.1×21115742 976936
MDL.消耗更多的空间CMDL.。
cmdl.trees.存储培训的分类树（CompactClassificationTree.模型对象）MDL.。
在紧凑型模型中显示第一棵树的图。
查看（cmdl.trees {1}，'模式'那'图形'）;
默认，treebagger生长深沉的树木。
预测均值的标签X使用紧凑的合奏。
predmeanx =预测（cmdl，均值（x））
predmeanx =1x1细胞阵列{'G'}
您还可以从以下列表中选择一个网站：
