ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

compact

クラス: LinearModel

コンパクトな線形回帰モデル

構文

compactMdl = compact(mdl)

説明

compactMdl = compact(mdl) は、完全な近似済み線形回帰モデル mdl のコンパクトなバージョンであるコンパクトな線形回帰モデル compactMdl を返します。

入力引数

すべて展開する

完全な近似済み線形回帰モデル。fitlm または stepwiselm を使用して構築した LinearModel オブジェクトを指定します。

出力引数

すべて展開する

コンパクトな線形回帰モデル。CompactLinearModel オブジェクトとして返されます。

mdl の場合とまったく同じ方法で compactMdl を使用して応答値を予測します。ただし、compactMdl には学習データが含まれていないので、交差検証など一部のタスクを実行することはできません。

すべて展開する

この例では、近似プロセスに関する一部の情報と標本データを破棄することにより、完全な近似済み線形回帰モデルのサイズを小さくする方法を示します。

データをワークスペースに読み込みます。

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

シミュレーションによって得られた標本データには、15,000 個の観測値と 45 個の予測子変数が含まれています。

単純な線形回帰モデルをデータにあてはめます。

mdl = fitlm(X,Y)
mdl = 
Linear regression model:
    y ~ [Linear formula with 46 terms in 45 predictors]

Estimated Coefficients:
                    Estimate          SE           tStat         pValue   
                   ___________    __________    ___________    ___________

    (Intercept)         3.2903    1.2333e-05     2.6679e+05              0
    x1              -0.0006461    5.9019e-09    -1.0947e+05              0
    x2             -0.00024739    1.0256e-08         -24121              0
    x3             -9.5161e-05    1.3149e-08        -7236.9              0
    x4              0.00013143    1.8311e-08         7177.3              0
    x5               7.163e-05    2.3367e-08         3065.4              0
    x6              4.5064e-06    2.6264e-08         171.58              0
    x7             -2.6258e-05     3.006e-08        -873.51              0
    x8               6.284e-05    3.0262e-08         2076.5              0
    x9             -0.00014288    3.3258e-08        -4296.1              0
    x10            -2.2642e-05    3.6555e-08        -619.41              0
    x11            -6.0227e-05    3.7353e-08        -1612.4              0
    x12             1.1665e-05    4.0048e-08         291.27              0
    x13             3.8595e-05     4.203e-08         918.26              0
    x14             0.00010021    4.7592e-08         2105.5              0
    x15            -6.5674e-06    4.9221e-08        -133.43              0
    x16             8.5598e-06    5.0296e-08         170.19              0
    x17            -3.9107e-05       5.3e-08        -737.87              0
    x18            -6.5841e-06    5.5355e-08        -118.94              0
    x19            -1.7053e-05    5.7431e-08        -296.94              0
    x20            -3.8911e-06    6.2724e-08        -62.036              0
    x21            -9.7219e-06    6.3515e-08        -153.06              0
    x22            -1.8749e-06    6.5388e-08        -28.673    4.6032e-176
    x23            -4.7514e-06    6.6636e-08        -71.303              0
    x24            -1.7756e-05    6.8495e-08        -259.23              0
    x25            -9.6673e-06    7.0054e-08           -138              0
    x26             7.6237e-06    7.2442e-08         105.24              0
    x27            -8.4338e-07    7.7519e-08         -10.88     1.8249e-27
    x28             7.0502e-06    8.1889e-08         86.094              0
    x29            -1.4703e-05    8.7126e-08        -168.75              0
    x30             2.7008e-05    9.0084e-08          299.8              0
    x31             6.3685e-07    9.1253e-08          6.979     3.0977e-12
    x32            -1.9916e-05    1.0034e-07        -198.48              0
    x33             1.7369e-05     1.019e-07         170.45              0
    x34             -9.931e-06    1.0706e-07        -92.764              0
    x35            -1.5195e-05    1.0858e-07        -139.94              0
    x36            -1.0118e-05    1.1122e-07        -90.976              0
    x37             2.4595e-06    1.1254e-07         21.856    2.9315e-104
    x38            -2.2928e-06    1.1493e-07         -19.95     2.0535e-87
    x39             1.1397e-05    1.1855e-07         96.136              0
    x40             4.0239e-06    1.2327e-07         32.643      7.75e-226
    x41            -8.6667e-06    1.2535e-07        -69.142              0
    x42            -8.2932e-06    1.3095e-07        -63.334              0
    x43             2.7309e-06    1.3452e-07         20.301     2.0697e-90
    x44            -6.9235e-06    1.3725e-07        -50.444              0
    x45             1.1165e-06    1.4021e-07         7.9633     1.7956e-15


Number of observations: 15000, Error degrees of freedom: 14954
Root Mean Squared Error: 0.00151
R-squared: 1,  Adjusted R-Squared 1
F-statistic vs. constant model: 2.82e+08, p-value = 0

モデルを圧縮します。

compactMdl = compact(mdl)
compactMdl = 
Compact linear regression model:
    y ~ [Linear formula with 46 terms in 45 predictors]

Estimated Coefficients:
                    Estimate          SE           tStat         pValue   
                   ___________    __________    ___________    ___________

    (Intercept)         3.2903    1.2333e-05     2.6679e+05              0
    x1              -0.0006461    5.9019e-09    -1.0947e+05              0
    x2             -0.00024739    1.0256e-08         -24121              0
    x3             -9.5161e-05    1.3149e-08        -7236.9              0
    x4              0.00013143    1.8311e-08         7177.3              0
    x5               7.163e-05    2.3367e-08         3065.4              0
    x6              4.5064e-06    2.6264e-08         171.58              0
    x7             -2.6258e-05     3.006e-08        -873.51              0
    x8               6.284e-05    3.0262e-08         2076.5              0
    x9             -0.00014288    3.3258e-08        -4296.1              0
    x10            -2.2642e-05    3.6555e-08        -619.41              0
    x11            -6.0227e-05    3.7353e-08        -1612.4              0
    x12             1.1665e-05    4.0048e-08         291.27              0
    x13             3.8595e-05     4.203e-08         918.26              0
    x14             0.00010021    4.7592e-08         2105.5              0
    x15            -6.5674e-06    4.9221e-08        -133.43              0
    x16             8.5598e-06    5.0296e-08         170.19              0
    x17            -3.9107e-05       5.3e-08        -737.87              0
    x18            -6.5841e-06    5.5355e-08        -118.94              0
    x19            -1.7053e-05    5.7431e-08        -296.94              0
    x20            -3.8911e-06    6.2724e-08        -62.036              0
    x21            -9.7219e-06    6.3515e-08        -153.06              0
    x22            -1.8749e-06    6.5388e-08        -28.673    4.6032e-176
    x23            -4.7514e-06    6.6636e-08        -71.303              0
    x24            -1.7756e-05    6.8495e-08        -259.23              0
    x25            -9.6673e-06    7.0054e-08           -138              0
    x26             7.6237e-06    7.2442e-08         105.24              0
    x27            -8.4338e-07    7.7519e-08         -10.88     1.8249e-27
    x28             7.0502e-06    8.1889e-08         86.094              0
    x29            -1.4703e-05    8.7126e-08        -168.75              0
    x30             2.7008e-05    9.0084e-08          299.8              0
    x31             6.3685e-07    9.1253e-08          6.979     3.0977e-12
    x32            -1.9916e-05    1.0034e-07        -198.48              0
    x33             1.7369e-05     1.019e-07         170.45              0
    x34             -9.931e-06    1.0706e-07        -92.764              0
    x35            -1.5195e-05    1.0858e-07        -139.94              0
    x36            -1.0118e-05    1.1122e-07        -90.976              0
    x37             2.4595e-06    1.1254e-07         21.856    2.9315e-104
    x38            -2.2928e-06    1.1493e-07         -19.95     2.0535e-87
    x39             1.1397e-05    1.1855e-07         96.136              0
    x40             4.0239e-06    1.2327e-07         32.643      7.75e-226
    x41            -8.6667e-06    1.2535e-07        -69.142              0
    x42            -8.2932e-06    1.3095e-07        -63.334              0
    x43             2.7309e-06    1.3452e-07         20.301     2.0697e-90
    x44            -6.9235e-06    1.3725e-07        -50.444              0
    x45             1.1165e-06    1.4021e-07         7.9633     1.7956e-15


Number of observations: 15000, Error degrees of freedom: 14954
Root Mean Squared Error: 0.00151
R-squared: 1,  Adjusted R-Squared 1
F-statistic vs. constant model: 2.82e+08, p-value = 0

コンパクトなモデルでは、あてはめプロセスに関する一部の情報と元の標本データが破棄されます。

フル モデル mdl とコンパクト モデル compactMdl のサイズを比較します。

vars = whos('compactMdl','mdl');
[vars(1).bytes,vars(2).bytes]
ans = 1×2

       83506    11410618

コンパクトなモデルは、フル モデルよりメモリ消費量が少なくなります。

R2016a で導入