紧凑

紧凑型回归树

扩大所有页面

句法

ctree =紧凑（树）

ctree=紧凑（树）创建的压缩版本树。

`树`	回归树使用创建`fitrtree`。

ctree

紧凑回归树。ctree拥有一流CompactRegressionTree。您可以使用预测回归ctree正是因为你可以使用树。然而，由于ctree不包含的训练数据，不能执行一些操作，如交叉验证。

开立真实脚本

一个完整的回归树模型的大小与压实模型。

加载carsmall数据集。考虑促进，移位，马力和重量作为预测变量。

加载carsmallX = [加速油缸位移马力重量];

使用整个数据集的增长回归树。

MDL = fitrtree（X，MPG）

MDL = RegressionTree ResponseName： 'Y' CategoricalPredictors：[] ResponseTransform： '无' NumObservations：94的属性，方法

MDL是RegressionTree模型。它是一个完整的模型，也就是说，它存储诸如预测和响应数据fitrtree在训练中使用。对于完全回归树模型的属性列表，请参阅RegressionTree。

创建完整的回归树的压缩版本。也就是说，一个包含足够的信息来只做出预测。

CMDL =紧凑（MDL）

CMDL = classreg.learning.regr.CompactRegressionTree ResponseName： 'Y' CategoricalPredictors：[] ResponseTransform： '无' 的属性，方法

CMDL是CompactRegressionTree模型。对于紧凑型回归树模型的属性列表，请参阅CompactRegressionTree。

检查的内存量，充分和紧凑回归树消耗。

mdlInfo =卫生组织（“铜牌”）;cMdlInfo =卫生组织（'CMDL'）;[mdlInfo.bytes cMdlInfo.bytes]

ANS =1×212233 6730

cMdlInfo.bytes / mdlInfo.bytes

ANS = 0.5502

在这种情况下，约25％较少的内存比全模式消耗紧凑回归树模型消耗。

下载电子书