主要内容

紧凑的

减小机器学习模型的尺寸

在页面中全部折叠

    语法

    CompactMdl = compact(Mdl)

    描述

    例子

    CompactMdl=紧凑(Mdl）返回一个紧凑的模型(CompactMdl)，是经过训练的机器学习模型的精简版本Mdl．

    CompactMdl不包含培训数据，而Mdl控件中包含训练数据X而且Y属性。因此，尽管您可以使用CompactMdl，您就不能使用紧凑模型执行交叉验证等任务。

    例子

    全部折叠

    打开实时脚本

    通过删除训练数据来减小全朴素贝叶斯分类器的大小。全朴素贝叶斯分类器保存训练数据。您可以使用一个紧凑的朴素贝叶斯分类器来提高内存效率。

    加载电离层数据集。去掉前两个稳定性预测因子。

    负载电离层X = X(:，3:结束);

    使用预测器训练朴素贝叶斯分类器X和类标签Y．推荐的做法是指定类名。fitcnb假设每个预测因子都是条件正态分布的。

    Mdl = fitcnb(X,Y，“类名”, {“b”，‘g’})
    Mdl = ClassificationNaiveBayes ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' NumObservations: 351 DistributionNames: {1x32 cell} DistributionParameters: {2x32 cell}属性，方法

    Mdl是经过训练的ClassificationNaiveBayes分类器。

    减小朴素贝叶斯分类器的大小。

    紧凑的(Mdl)
    CMdl = CompactClassificationNaiveBayes ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' DistributionNames: {1x32 cell} DistributionParameters: {2x32 cell}属性，方法

    CMdl是经过训练的CompactClassificationNaiveBayes分类器。

    显示每个分类器使用的内存数量。

    谁(“Mdl”，“CMdl”）
    名称大小字节类属性CMdl 1x1 15060 classreg.learning.classif.CompactClassificationNaiveBayes Mdl 1x1 111190 ClassificationNaiveBayes

    全朴素贝叶斯分类器(Mdl)比紧凑朴素贝叶斯分类器(CMdl）.

    为了有效地标记新的观察结果，您可以删除Mdl从MATLAB®工作区，然后通过CMdl和新的预测值预测．

    打开实时脚本

    通过删除训练数据来减小全支持向量机(SVM)分类器的金宝app大小。完整的支持向量机分类器(即ClassificationSVM分类器)保存训练数据。为了提高效率，请使用更小的分类器。

    加载电离层数据集。

    负载电离层

    训练SVM分类器。标准化预测器数据并指定类的顺序。

    SVMModel = fitcsvm(X,Y，“标准化”,真的,.．.“类名”, {“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…][351x1 double] ConvergenceInfo: [1x1 struct] IsSupportVector: [35金宝app1x1 logical] Solver: 'SMO'属性，方法

    SVMModel是一个ClassificationSVM分类器。

    减少SVM分类器的大小。

    CompactSVMModel = compact(vmmodel)
    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…]su金宝apppportvector: [90x34 double] SupportVectorLabels: [90x1 double]属性，方法

    CompactSVMModel是一个CompactClassificationSVM分类器。

    显示每个分类器使用的内存数量。

    谁(“SVMModel”，“CompactSVMModel”）
    名称大小字节类属性CompactSVMModel 1x1 31058 classreg.learning.classif.CompactClassificationSVM SVMModel 1x1 141148 ClassificationSVM

    完整的SVM分类器(SVMModel)比紧凑的支持向量机分类器(CompactSVMModel）.

    为了有效地标记新的观察结果，您可以删除SVMModel从MATLAB®工作区，然后通过CompactSVMModel和新的预测值预测．

    要进一步减小紧凑的SVM分类器的大小，请使用discard金宝appSupportVectors函数丢弃支持向量。金宝app

    打开实时脚本

    通过删除训练数据来减小用于回归的全广义相加模型(GAM)的大小。完整的模型保存训练数据。您可以使用一个紧凑的模型来提高内存效率。

    加载carbig数据集。

    负载carbig

    指定加速度，位移，马力,重量作为预测变量(X),英里/加仑作为响应变量(Y）.

    X =[加速度，位移，马力，重量];Y = mpg;

    训练一个GAM使用X而且Y．

    Mdl = fitrgam(X,Y)
    Mdl = RegressionGAM ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none'拦截:26.9442 IsStandardDeviationFit: 0 NumObservations: 398属性，方法

    Mdl是一个RegressionGAM模型对象。

    减小模型的大小。

    紧凑的(Mdl)
    CMdl = CompactRegressionGAM ResponseName: 'Y' CategoricalPredictors: [] ResponseTransform: 'none'拦截:26.9442 IsStandardDeviationFit: 0属性，方法

    CMdl是一个CompactRegressionGAM模型对象。

    显示每个回归模型使用的内存量。

    谁(“Mdl”，“CMdl”）
    名称大小字节类属性CMdl 1x1 578163 classreg.learning.regr.CompactRegressionGAM Mdl 1x1 611957 RegressionGAM

    完整的模型(Mdl)比紧凑型(CMdl）.

    为了有效地预测新观察结果的响应，您可以删除Mdl从MATLAB®工作区，然后通过CMdl和新的预测值预测．

    输入参数

    全部折叠

    机器学习模型，指定为完全回归或分类模型对象，如下表所示的支持模型。金宝app

    回归模型对象

    模型 全回归模型对象
    高斯过程回归(GPR)模型 RegressionGP
    广义相加模型(GAM) RegressionGAM
    神经网络模型 RegressionNeuralNetwork

    分类模型对象

    模型 全分类模型对象
    广义加性模型 ClassificationGAM
    朴素贝叶斯模型 ClassificationNaiveBayes
    神经网络模型 ClassificationNeuralNetwork
    金宝app单类和二元分类的支持向量机 ClassificationSVM

    输出参数

    全部折叠

    紧凑型机器学习模型，作为下表中的紧凑型模型对象之一返回，具体取决于输入模型Mdl．

    回归模型对象

    模型 完整模型(Mdl） 紧凑型(CompactMdl）
    高斯过程回归(GPR)模型 RegressionGP CompactRegressionGP
    广义加性模型 RegressionGAM CompactRegressionGAM
    神经网络模型 RegressionNeuralNetwork CompactRegressionNeuralNetwork

    分类模型对象

    模型 完整模型(Mdl） 紧凑型(CompactMdl）
    广义加性模型 ClassificationGAM CompactClassificationGAM
    朴素贝叶斯模型 ClassificationNaiveBayes CompactClassificationNaiveBayes
    神经网络模型 ClassificationNeuralNetwork CompactClassificationNeuralNetwork
    金宝app单类和二元分类的支持向量机 ClassificationSVM CompactClassificationSVM

    扩展功能

    版本历史

    在R2014a中介绍