compact

機械学習モデルのサイズの縮小

構文

CompactMdl = compact(Mdl)

説明

CompactMdl = compact(Mdl) は、コンパクトなモデル (CompactMdl) を返します。これは学習済みの機械学習モデル Mdl のコンパクトなバージョンです。

CompactMdl には学習データが含まれませんが、Mdl では X および Y プロパティに学習データが含まれています。したがって、CompactMdl を使用してクラスラベルを予測することはできますが、コンパクトなモデルで交差検証などのタスクは実行できません。

例

すべて折りたたむ

単純ベイズ分類器のサイズの縮小

ライブスクリプトを開く

学習データを削除することにより、完全な単純ベイズ分類器のサイズを縮小します。完全な単純ベイズ分類器は学習データを保持しています。コンパクトな単純ベイズ分類器を使用すると、メモリ効率を向上させることができます。

ionosphere データセットを読み込みます。安定させるため、最初の 2 つの予測子を削除します。

load ionosphere
X = X(:,3:end);

予測子 X とクラスラベル Y を使用して、単純ベイズ分類器に学習させます。クラス名を指定することが推奨されます。fitcnb は、各予測子が条件付き正規分布に従うと仮定しています。

Mdl = fitcnb(X,Y,'ClassNames',{'b','g'})

Mdl = 
  ClassificationNaiveBayes
              ResponseName: 'Y'
     CategoricalPredictors: []
                ClassNames: {'b'  'g'}
            ScoreTransform: 'none'
           NumObservations: 351
         DistributionNames: {1×32 cell}
    DistributionParameters: {2×32 cell}


  Properties, Methods

Mdl は学習させた ClassificationNaiveBayes 分類器です。

単純ベイズ分類器のサイズを縮小します。

CMdl = compact(Mdl)

CMdl = 
  CompactClassificationNaiveBayes
              ResponseName: 'Y'
     CategoricalPredictors: []
                ClassNames: {'b'  'g'}
            ScoreTransform: 'none'
         DistributionNames: {1×32 cell}
    DistributionParameters: {2×32 cell}


  Properties, Methods

CMdl は学習させた CompactClassificationNaiveBayes 分類器です。

各分類器が使用するメモリの量を表示します。

whos('Mdl','CMdl')

  Name      Size             Bytes  Class                                                        Attributes

  CMdl      1x1              15508  classreg.learning.classif.CompactClassificationNaiveBayes              
  Mdl       1x1             111654  ClassificationNaiveBayes

完全な単純ベイズ分類器 (Mdl) はコンパクトな単純ベイズ分類器 (CMdl) よりも 7 倍以上サイズが大きくなります。

新しい観測値のラベルを効率的に設定するため、Mdl を MATLAB® ワークスペースから削除し、CMdl と新しい予測子の値をpredictに渡すことができます。

SVM 分類器のサイズの縮小

ライブスクリプトを開く

学習データを削除することにより、完全なサポートベクターマシン (SVM) 分類器のサイズを縮小します。完全な SVM 分類器 (つまり、ClassificationSVM 分類器) には学習データが格納されます。効率を向上させるため、より小さい分類器を使用します。

ionosphere データセットを読み込みます。

load ionosphere

SVM 分類器を学習させます。予測子データを標準化し、クラスの順序を指定します。

SVMModel = fitcsvm(X,Y,'Standardize',true,...
    'ClassNames',{'b','g'})

SVMModel = 
  ClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
          NumObservations: 351
                    Alpha: [89×1 double]
                     Bias: -0.1341
         KernelParameters: [1×1 struct]
                       Mu: [0.8917 0 0.6413 0.0444 0.6011 0.1159 0.5501 0.1194 0.5118 0.1813 0.4762 0.1550 0.4008 0.0934 0.3442 0.0711 0.3819 -0.0036 0.3594 -0.0240 0.3367 0.0083 0.3625 -0.0574 0.3961 -0.0712 0.5416 -0.0695 0.3784 … ] (1×34 double)
                    Sigma: [0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927 0.5207 0.5071 0.4839 0.5635 0.4948 0.6222 0.4949 0.6528 0.4584 0.6180 0.4968 0.6263 0.5191 0.6098 0.5182 0.6038 0.5275 0.5785 0.5085 0.5162 0.5500 0.5759 0.5080 … ] (1×34 double)
           BoxConstraints: [351×1 double]
          ConvergenceInfo: [1×1 struct]
          IsSupportVector: [351×1 logical]
                   Solver: 'SMO'


  Properties, Methods

SVMModel は ClassificationSVM 分類器です。

SVM 分類器のサイズを縮小します。

CompactSVMModel = compact(SVMModel)

CompactSVMModel = 
  CompactClassificationSVM
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: {'b'  'g'}
           ScoreTransform: 'none'
                    Alpha: [89×1 double]
                     Bias: -0.1341
         KernelParameters: [1×1 struct]
                       Mu: [0.8917 0 0.6413 0.0444 0.6011 0.1159 0.5501 0.1194 0.5118 0.1813 0.4762 0.1550 0.4008 0.0934 0.3442 0.0711 0.3819 -0.0036 0.3594 -0.0240 0.3367 0.0083 0.3625 -0.0574 0.3961 -0.0712 0.5416 -0.0695 0.3784 … ] (1×34 double)
                    Sigma: [0.3112 0 0.4977 0.4414 0.5199 0.4608 0.4927 0.5207 0.5071 0.4839 0.5635 0.4948 0.6222 0.4949 0.6528 0.4584 0.6180 0.4968 0.6263 0.5191 0.6098 0.5182 0.6038 0.5275 0.5785 0.5085 0.5162 0.5500 0.5759 0.5080 … ] (1×34 double)
           SupportVectors: [89×34 double]
      SupportVectorLabels: [89×1 double]


  Properties, Methods

CompactSVMModel は CompactClassificationSVM 分類器です。

各分類器が使用するメモリの量を表示します。

whos('SVMModel','CompactSVMModel')

  Name                 Size             Bytes  Class                                                 Attributes

  CompactSVMModel      1x1              30271  classreg.learning.classif.CompactClassificationSVM              
  SVMModel             1x1             139561  ClassificationSVM

完全な SVM 分類器 (SVMModel) はコンパクトな SVM 分類器 (CompactSVMModel) に対して 4 倍以上大きくなっています。

新しい観測値のラベルを効率的に設定するため、SVMModel を MATLAB® ワークスペースから削除し、CompactSVMModel と新しい予測子の値を predict に渡すことができます。

コンパクトな SVM 分類器のサイズをさらに小さくするには、関数discardSupportVectorsを使用してサポートベクターを破棄します。

一般化加法モデルのサイズの縮小

ライブスクリプトを開く

学習データを削除することにより、回帰用の完全な一般化加法モデル (GAM) のサイズを縮小します。完全なモデルには、学習データが保持されます。コンパクトなモデルを使用すると、メモリ効率を向上させることができます。

carbig データセットを読み込みます。

load carbig

予測子変数 (X) として Acceleration、Displacement、Horsepower および Weight を、応答変数 (Y) として MPG を指定します。

X = [Acceleration,Displacement,Horsepower,Weight];
Y = MPG;

X と Y を使用して GAM に学習させます。

Mdl = fitrgam(X,Y)

Mdl = 
  RegressionGAM
              ResponseName: 'Y'
     CategoricalPredictors: []
         ResponseTransform: 'none'
                 Intercept: 26.9442
    IsStandardDeviationFit: 0
           NumObservations: 398


  Properties, Methods

Mdl は RegressionGAM モデルオブジェクトです。

モデルのサイズを縮小します。

CMdl = compact(Mdl)

CMdl = 
  CompactRegressionGAM
              ResponseName: 'Y'
     CategoricalPredictors: []
         ResponseTransform: 'none'
                 Intercept: 26.9442
    IsStandardDeviationFit: 0


  Properties, Methods

CMdl は CompactRegressionGAM モデルオブジェクトです。

各回帰モデルが使用するメモリの量を表示します。

whos('Mdl','CMdl')

  Name      Size             Bytes  Class                                          Attributes

  CMdl      1x1             587518  classreg.learning.regr.CompactRegressionGAM              
  Mdl       1x1             621294  RegressionGAM

完全なモデル (Mdl) は、コンパクトなモデル (CMdl) より大きくなります。

新しい観測値の応答を効率的に予測するため、Mdl を MATLAB® ワークスペースから削除し、CMdl と新しい予測子の値を predict に渡すことができます。

分位点線形回帰モデルのサイズの縮小

ライブスクリプトを開く

学習データを削除することにより、完全な分位点線形回帰モデルのサイズを縮小します。完全な分位点回帰モデルには学習データが含まれています。コンパクトな分位点回帰モデルを使用すると、メモリ効率を向上させることができます。

carbig データセットを読み込みます。このデータセットには、1970 年代と 1980 年代初期に製造された自動車の測定値が格納されています。予測子変数 Acceleration、Displacement、Horsepower、および Weight を格納する行列 X を作成します。応答変数 MPG を変数 Y に保存します。

load carbig
X = [Acceleration,Displacement,Horsepower,Weight];
Y = MPG;

X および Y からいずれかの配列に欠損値がある行を削除します。

R = rmmissing([X Y]);
X = R(:,1:end-1);
Y = R(:,end);

分位点線形回帰モデルに学習させます。0.25、0.50、0.75 の分位数 (つまり、第 1 四分位数、中央値、第 3 四分位数) を使用するように指定します。モデルの当てはめを改善するために、ベータ許容誤差を既定値の 1e-4 ではなく 1e-6 に変更し、リッジ (L2) 正則化項 1 を使用します。

Mdl = fitrqlinear(X,Y,Quantiles=[0.25,0.50,0.75], ...
    BetaTolerance=1e-6,Lambda=1)

Mdl = 
  RegressionQuantileLinear
             ResponseName: 'Y'
    CategoricalPredictors: []
        ResponseTransform: 'none'
                     Beta: [4×3 double]
                     Bias: [17.0306 22.5291 29.0044]
                Quantiles: [0.2500 0.5000 0.7500]


  Properties, Methods

Mdl は RegressionQuantileLinear モデルオブジェクトです。

分位点回帰モデルのサイズを縮小します。

CompactMdl = compact(Mdl)

CompactMdl = 
  CompactRegressionQuantileLinear
             ResponseName: 'Y'
    CategoricalPredictors: []
        ResponseTransform: 'none'
                     Beta: [4×3 double]
                     Bias: [17.0306 22.5291 29.0044]
                Quantiles: [0.2500 0.5000 0.7500]


  Properties, Methods

CompactMdl は CompactRegressionQuantileLinear モデルオブジェクトです。

各モデルが使用するメモリの量を表示します。

whos("Mdl","CompactMdl")

  Name            Size            Bytes  Class                                                     Attributes

  CompactMdl      1x1              4696  classreg.learning.regr.CompactRegressionQuantileLinear              
  Mdl             1x1             26069  RegressionQuantileLinear

完全な分位点線形回帰モデル (Mdl) はコンパクトな分位点線形回帰モデル (CompactMdl) よりも 5 倍以上大きくなっています。

新しい観測値に対する応答を効率的に予測するため、Mdl を MATLAB® ワークスペースから削除し、CompactMdl と新しい予測子の値を predict に渡すことができます。

入力引数

すべて折りたたむ

`Mdl` — 機械学習モデル
完全な分類モデルオブジェクト | 完全な回帰モデルオブジェクト | 完全な分位点回帰モデル

機械学習モデル。分類、回帰、または分位点回帰の完全なモデルオブジェクトとして指定します。サポートされるモデルは以下の表に記載されています。

分類モデルオブジェクト

モデル	完全な分類モデルオブジェクト
判別分析分類器	`ClassificationDiscriminant`
サポートベクターマシンまたはその他の分類器用のマルチクラスモデル	`ClassificationECOC`
分類用のアンサンブル学習器	`ClassificationBaggedEnsemble`, `ClassificationEnsemble`
一般化加法モデル	`ClassificationGAM`
単純ベイズモデル	`ClassificationNaiveBayes`
ニューラルネットワーク分類器	`ClassificationNeuralNetwork`
1 クラスおよびバイナリ分類用のサポートベクターマシン	`ClassificationSVM`
マルチクラス分類用の二分決定木	`ClassificationTree`

回帰モデルオブジェクト

モデル	完全な回帰モデルオブジェクト
回帰モデルのアンサンブル	`RegressionBaggedEnsemble`, `RegressionEnsemble`
一般化加法モデル (GAM)	`RegressionGAM`
ガウス過程回帰 (GPR) モデル	`RegressionGP`
ニューラルネットワーク回帰モデル	`RegressionNeuralNetwork`
回帰用のサポートベクターマシン	`RegressionSVM`
回帰木	`RegressionTree`

分位点回帰モデルオブジェクト

モデル	完全な分位点回帰モデルオブジェクト
分位点線形回帰モデル (R2025a 以降)	`RegressionQuantileLinear`
回帰用の分位点ニューラルネットワークモデル (R2025a 以降)	`RegressionQuantileNeuralNetwork`

出力引数

すべて折りたたむ

`CompactMdl` — コンパクトな機械学習モデル
コンパクトな分類モデルオブジェクト | コンパクトな回帰モデルオブジェクト | コンパクトな分位点回帰モデルオブジェクト

コンパクトな機械学習モデル。入力モデル Mdl に応じて、次の表のコンパクトなモデルオブジェクトのいずれかとして返されます。

分類モデルオブジェクト

モデル	完全なモデル (`Mdl`)	コンパクトなモデル (`CompactMdl`)
判別分析分類器	`ClassificationDiscriminant`	`CompactClassificationDiscriminant`
サポートベクターマシンまたはその他の分類器用のマルチクラスモデル	`ClassificationECOC`	`CompactClassificationECOC`
分類用のアンサンブル学習器	`ClassificationBaggedEnsemble`, `ClassificationEnsemble`	`CompactClassificationEnsemble`
一般化加法モデル	`ClassificationGAM`	`CompactClassificationGAM`
単純ベイズモデル	`ClassificationNaiveBayes`	`CompactClassificationNaiveBayes`
ニューラルネットワーク分類器	`ClassificationNeuralNetwork`	`CompactClassificationNeuralNetwork`
1 クラスおよびバイナリ分類用のサポートベクターマシン	`ClassificationSVM`	`CompactClassificationSVM`
マルチクラス分類用の二分決定木	`ClassificationTree`	`CompactClassificationTree`

回帰モデルオブジェクト

モデル	完全なモデル (`Mdl`)	コンパクトなモデル (`CompactMdl`)
回帰モデルのアンサンブル	`RegressionBaggedEnsemble`, `RegressionEnsemble`	`CompactRegressionEnsemble`
一般化加法モデル	`RegressionGAM`	`CompactRegressionGAM`
ガウス過程回帰 (GPR) モデル	`RegressionGP`	`CompactRegressionGP`
ニューラルネットワーク回帰モデル	`RegressionNeuralNetwork`	`CompactRegressionNeuralNetwork`
回帰用のサポートベクターマシン	`RegressionSVM`	`CompactRegressionSVM`
回帰木	`RegressionTree`	`CompactRegressionTree`

分位点回帰モデルオブジェクト

モデル	完全なモデル (`Mdl`)	コンパクトなモデル (`CompactMdl`)
分位点線形回帰モデル (R2025a 以降)	`RegressionQuantileLinear`	`CompactRegressionQuantileLinear`
回帰用の分位点ニューラルネットワークモデル (R2025a 以降)	`RegressionQuantileNeuralNetwork`	`CompactRegressionQuantileNeuralNetwork`

拡張機能

すべて展開する

GPU 配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

使用上の注意および制限:

この関数は、ClassificationBaggedEnsemble、ClassificationECOC、ClassificationEnsemble、ClassificationNeuralNetwork、ClassificationSVM、または ClassificationTree オブジェクトとして指定した学習済み分類モデルの GPU 配列を完全にサポートします。
この関数は、RegressionBaggedEnsemble、RegressionEnsemble、RegressionGP、RegressionNeuralNetwork、RegressionSVM、または RegressionTree オブジェクトとして指定した学習済み回帰モデルの GPU 配列を完全にサポートします。

詳細は、GPU での MATLAB 関数の実行 (Parallel Computing Toolbox)を参照してください。

バージョン履歴

R2011a で導入

すべて展開する

R2026a: ガウス過程回帰モデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

compact で RegressionGP モデルオブジェクトの GPU 配列が完全にサポートされます。

R2025a: 分位点回帰モデルのサイズの縮小

compact オブジェクト関数を使用して、RegressionQuantileLinear モデルオブジェクトと RegressionQuantileNeuralNetwork モデルオブジェクトのサイズを縮小できます。関数は CompactRegressionQuantileLinear モデルオブジェクトと CompactRegressionQuantileNeuralNetwork モデルオブジェクトをそれぞれ返します。

R2024b: ニューラルネットワークモデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

compact は、RegressionNeuralNetwork モデルと ClassificationNeuralNetwork モデルの GPU 配列を完全にサポートします。

R2023a: 回帰 SVM モデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

compact で RegressionSVM モデルの GPU 配列が完全にサポートされます。

compact

構文

説明

例

単純ベイズ分類器のサイズの縮小

SVM 分類器のサイズの縮小

一般化加法モデルのサイズの縮小

分位点線形回帰モデルのサイズの縮小

入力引数

Mdl — 機械学習モデル 完全な分類モデル オブジェクト | 完全な回帰モデル オブジェクト | 完全な分位点回帰モデル

出力引数

CompactMdl — コンパクトな機械学習モデル コンパクトな分類モデル オブジェクト | コンパクトな回帰モデル オブジェクト | コンパクトな分位点回帰モデル オブジェクト

拡張機能

GPU 配列 Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

バージョン履歴

R2026a: ガウス過程回帰モデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

R2025a: 分位点回帰モデルのサイズの縮小

R2024b: ニューラル ネットワーク モデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

R2023a: 回帰 SVM モデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)

`Mdl` — 機械学習モデル
完全な分類モデルオブジェクト | 完全な回帰モデルオブジェクト | 完全な分位点回帰モデル

`CompactMdl` — コンパクトな機械学習モデル
コンパクトな分類モデルオブジェクト | コンパクトな回帰モデルオブジェクト | コンパクトな分位点回帰モデルオブジェクト

GPU 配列
Parallel Computing Toolbox™ を使用してグラフィックス処理装置 (GPU) 上で実行することにより、コードを高速化します。

R2024b: ニューラルネットワークモデルに対する GPU 配列の指定 (Parallel Computing Toolbox が必要)