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: RegressionTree

コンパクトな回帰木

構文

ctree = compact(tree)

説明

ctree = compact(tree) は、コンパクトなバージョンの tree を作成します。

入力引数

tree

fitrtree を使用して作成された回帰木。

出力引数

ctree

コンパクトな回帰木。ctree にはクラス CompactRegressionTree があります。tree を使用する場合と同じように、ctree を使用しても正確に回帰を予測できます。ただし、ctree には学習データが含まれないため、交差検証などの一部の処理については実行できません。

すべて展開する

フル モデルとコンパクト モデルの回帰木のサイズを比較します。

carsmall データセットを読み込みます。AccelerationDisplacementHorsepower および Weight は予測子変数であるとします。

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

データセット全体を使用して回帰木を成長させます。

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


  Properties, Methods

MdlRegressionTree モデルです。これはフル モデルです。つまり、fitrtree で学習に使用した予測子データや応答データなどの情報が格納されています。フル モデルの回帰木のプロパティの一覧については、RegressionTreeを参照してください。

コンパクトなバージョンの回帰木を作成します。つまり、予測を行うための情報のみが格納されているモデルです。

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


  Properties, Methods

CMdlCompactRegressionTree モデルです。コンパクト モデルの回帰木のプロパティの一覧については、CompactRegressionTreeを参照してください。

フル モデルおよびコンパクト モデルの回帰木で消費するメモリの量を調べます。

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

       12131        6628

cMdlInfo.bytes/mdlInfo.bytes
ans = 0.5464

この場合、コンパクト モデルの回帰木はメモリ消費量がフル モデルより約 25% 少なくなっています。