Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

compact

Clase: GeneralizedLinearModel

Modelo de regresión lineal generalizada compacta

Sintaxis

compactMdl = compact(mdl)

Descripción

compactMdl = compact(mdl) Devuelve un modelo de regresión lineal generalizado y compacto, que es la versión compacta del modelo de regresión ajustada completo.compactMdlmdl El modelo compacto utiliza menos memoria que el modelo completo porque no incluye una copia de los datos ni nada comparable en tamaño a los datos. Sin embargo, el modelo compacto tampoco admite propiedades (como) o métodos (como) que requieran los datos.ResiduosaddTerms

Argumentos de entrada

expandir todo

Modelo de regresión lineal generalizada completo y ajustado, especificado como un objeto construido con o.GeneralizedLinearModelfitglmstepwiseglm

Argumentos de salida

expandir todo

Modelo de regresión lineal generalizada compacto, devuelto como un objeto.CompactGeneralizedLinearModel

Predecir los valores de respuesta utilizando exactamente como se utiliza.compactMdlmdl Sin embargo, dado que no contiene datos de entrenamiento, no puede realizar determinadas tareas, como la validación cruzada.compactMdl

Ejemplos

expandir todo

Reduzca el tamaño de un modelo de regresión lineal generalizada completo y ajustado descartando los datos de muestra y cierta información relacionada con el proceso de adaptación.

Cargue los datos en el espacio de trabajo. Los datos de muestra simulados contienen 15.000 observaciones y 45 variables predictoras.

load(fullfile(matlabroot,'examples','stats','largedata4reg.mat'))

Ajuste un modelo de regresión lineal generalizado a los datos utilizando las primeras 15 variables predictoras.

mdl = fitglm(X(:,1:15),Y)
mdl =  Generalized linear regression model:     y ~ [Linear formula with 16 terms in 15 predictors]     Distribution = Normal  Estimated Coefficients:                     Estimate          SE         tStat       pValue                       ___________    __________    _______    ___________      (Intercept)         3.2903    0.00010447      31497              0     x1              -0.0006461    4.9991e-08     -12924              0     x2             -0.00024739    8.6874e-08    -2847.7              0     x3             -9.5161e-05    1.1138e-07    -854.38              0     x4              0.00013143     1.551e-07     847.35              0     x5               7.163e-05    1.9793e-07      361.9              0     x6              4.5064e-06    2.2247e-07     20.257     4.9539e-90     x7             -2.6258e-05    2.5462e-07    -103.13              0     x8               6.284e-05    2.5633e-07     245.15              0     x9             -0.00014288     2.817e-07    -507.19              0     x10            -2.2642e-05    3.0963e-07    -73.127              0     x11            -6.0227e-05    3.1639e-07    -190.36              0     x12             1.1665e-05    3.3921e-07     34.388    1.6995e-249     x13             3.8595e-05    3.5601e-07     108.41              0     x14             0.00010021    4.0312e-07     248.57              0     x15            -6.5674e-06    4.1692e-07    -15.752      1.844e-55   15000 observations, 14984 error degrees of freedom Estimated Dispersion: 0.000164 F-statistic vs. constant model: 1.18e+07, p-value = 0 

Compacte el modelo. El modelo compacto descarta los datos de muestra originales y cierta información relacionada con el proceso de adaptación, por lo que utiliza menos memoria que el modelo completo.

compactMdl = compact(mdl)
compactMdl =  Compact generalized linear regression model:     y ~ [Linear formula with 16 terms in 15 predictors]     Distribution = Normal  Estimated Coefficients:                     Estimate          SE         tStat       pValue                       ___________    __________    _______    ___________      (Intercept)         3.2903    0.00010447      31497              0     x1              -0.0006461    4.9991e-08     -12924              0     x2             -0.00024739    8.6874e-08    -2847.7              0     x3             -9.5161e-05    1.1138e-07    -854.38              0     x4              0.00013143     1.551e-07     847.35              0     x5               7.163e-05    1.9793e-07      361.9              0     x6              4.5064e-06    2.2247e-07     20.257     4.9539e-90     x7             -2.6258e-05    2.5462e-07    -103.13              0     x8               6.284e-05    2.5633e-07     245.15              0     x9             -0.00014288     2.817e-07    -507.19              0     x10            -2.2642e-05    3.0963e-07    -73.127              0     x11            -6.0227e-05    3.1639e-07    -190.36              0     x12             1.1665e-05    3.3921e-07     34.388    1.6995e-249     x13             3.8595e-05    3.5601e-07     108.41              0     x14             0.00010021    4.0312e-07     248.57              0     x15            -6.5674e-06    4.1692e-07    -15.752      1.844e-55   15000 observations, 14984 error degrees of freedom Estimated Dispersion: 0.000164 F-statistic vs. constant model: 1.18e+07, p-value = 0 

Introducido en R2016b