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

compact

Clase: RegressionTree

Árbol de regresión compacta

Sintaxis

ctree = compact(tree)

Descripción

ctree = compact(tree) crea una versión compacta de.tree

Argumentos de entrada

tree

Un árbol de regresión creado mediante.fitrtree

Argumentos de salida

ctree

Un árbol de regresión compacta. tiene clase.ctreeCompactRegressionTree Puede predecir regresiones utilizando exactamente como se puede utilizar.ctreetree Sin embargo, dado que no contiene datos de entrenamiento, no puede realizar algunas acciones, como la validación cruzada.ctree

Ejemplos

expandir todo

Compare el tamaño de un modelo de árbol de regresión completo con el modelo compactado.

Cargue el conjunto de datos.carsmall Considere,,, y como variables predictoras.AccelerationDisplacementHorsepowerWeight

load carsmall X = [Acceleration Cylinders Displacement Horsepower Weight];

Aumente un árbol de regresión utilizando todo el conjunto de datos.

Mdl = fitrtree(X,MPG)
Mdl =    RegressionTree              ResponseName: 'Y'     CategoricalPredictors: []         ResponseTransform: 'none'           NumObservations: 94     Properties, Methods  

es un modelo.MdlRegressionTree Es un modelo completo, es decir, almacena información como el predictor y los datos de respuesta utilizados en el entrenamiento.fitrtree Para obtener una lista de propiedades de los modelos de árbol de regresión completos, consulte.RegressionTree

Cree una versión compacta del árbol de regresión completo. Es decir, uno que contiene suficiente información para hacer predicciones solamente.

CMdl = compact(Mdl)
CMdl =    classreg.learning.regr.CompactRegressionTree              ResponseName: 'Y'     CategoricalPredictors: []         ResponseTransform: 'none'     Properties, Methods  

es un modelo.CMdlCompactRegressionTree Para obtener una lista de propiedades de modelos de árbol de regresión compactos, consulte.CompactRegressionTree

Inspeccione las cantidades de memoria que consumen los árboles de regresión completa y compacta.

mdlInfo = whos('Mdl'); cMdlInfo = whos('CMdl'); [mdlInfo.bytes cMdlInfo.bytes]
ans = 1×2

       12131        6628

cMdlInfo.bytes/mdlInfo.bytes
ans = 0.5464 

En este caso, el modelo de árbol de regresión compacta consume aproximadamente un 25% menos de memoria que el modelo completo consume.