紧凑的
减小机器学习模型的尺寸
描述
返回一个紧凑模型(CompactMdl
=紧凑(Mdl
)CompactMdl
),即经过训练的机器学习模型的精简版Mdl
.
CompactMdl
不包含训练数据,而Mdl
在其中包含训练数据X
而且Y
属性。因此,虽然您可以预测类标签使用CompactMdl
,您不能执行与紧凑模型交叉验证等任务。
例子
减小朴素贝叶斯分类器的尺寸
通过移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。您可以使用紧凑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:end);
使用预测器训练朴素贝叶斯分类器X
和类别标签Y
.推荐的做法是指定类名。fitcnb
假设每个预测因子都是有条件的正态分布。
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
是受过训练的ClassificationNaiveBayes
分类器。
减小朴素贝叶斯分类器的大小。
CMdl =紧凑(Mdl)
CMdl = CompactClassificationNaiveBayes ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' DistributionNames: {1x32 cell} DistributionParameters: {2x32 cell}属性,方法
CMdl
是受过训练的CompactClassificationNaiveBayes
分类器。
显示每个分类器使用的内存量。
谁(“Mdl”,“CMdl”)
名称大小字节类属性CMdl 1x1 15060 classreg.learning.classif.CompactClassificationNaiveBayes Mdl 1x1 111190 ClassificationNaiveBayes
完整朴素贝叶斯分类器(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,然后传递CMdl
和新的预测值预测
.
减少SVM分类器的大小
通过删除训练数据来减少全支持向量机(SVM)分类器的万博1manbetx大小。完整的SVM分类器(即,ClassificationSVM
分类器)保存训练数据。为了提高效率,可以使用较小的分类器。
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…]西格玛:[0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927…] BoxConstraints: [351x1 double] ConvergenceInfo: [1x1 struct] Is万博1manbetxSupportVector: [351x1 logical]求解器:“SMO”属性,方法
SVMModel
是一个ClassificationSVM
分类器。
减小SVM分类器的大小。
CompactSVMModel = compact(vmmodel)
CompactSVMModel = CompactClassificationSVM ResponseName: 'Y' CategoricalPredictors: [] ClassNames: {'b' 'g'} ScoreTransform: 'none' Alpha: [90x1 double]偏差:-0.1343 KernelParameters: [1x1 struct] Mu:[0.8917 0 0.6413 0.0444 0.6011 0.1159 0.5501…]西格玛:[0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927…] 万博1manbetxSupportVectors: [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量。
谁(“SVMModel”,“CompactSVMModel”)
名称大小字节分类属性CompactSVMModel 1x1 31058 classreg.learning.classif.CompactClassificationSVM vmmodel 1x1 141148 ClassificationSVM
完整的SVM分类器(SVMModel
)比紧凑的SVM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,然后传递CompactSVMModel
和新的预测值预测
.
为了进一步减小紧凑SVM分类器的大小,可以使用discard万博1manbetxSupportVectors
函数丢弃支持向量。万博1manbetx
减小广义加性模型的尺寸
通过移除训练数据,减少用于回归的完整广义可加性模型(GAM)的大小。完整的模型保存训练数据。您可以使用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,排水量,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。
CMdl =紧凑(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
完整模型(Mdl
)的尺寸比紧凑的型号(CMdl
).
为了有效地预测新观测结果的响应,可以删除Mdl
从MATLAB®工作区,然后传递CMdl
和新的预测值预测
.
输入参数
Mdl
- - - - - -机器学习模型
完整回归模型对象|完整分类模型对象
机器学习模型,指定为完整的回归或分类模型对象,如下表所示的支持模型。万博1manbetx
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 |
广义加法模型(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 |
万博1manbetx支持向量机用于一类和二元分类 | ClassificationSVM |
输出参数
CompactMdl
-紧凑的机器学习模型
紧凑回归模型对象|紧凑分类模型对象
紧凑的机器学习模型,返回为下表中的紧凑模型对象之一,具体取决于输入模型Mdl
.
回归模型对象
模型 | 完整模型(Mdl ) |
小型模型(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 ) |
小型模型(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 |
万博1manbetx支持向量机用于一类和二元分类 | ClassificationSVM |
CompactClassificationSVM |
版本历史
Matlab명령
다음matlab명령에해당하는링크를클릭했습니다。
명령을실행하려면matlab명령창에입력하십시오。웹브라우저는matlab명령을지원하지않습니다。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。