compact

学習データと学習パラメーターを削除することにより、バギング分類木の完全なアンサンブルのサイズを縮小します。その後、コンパクトなアンサンブル オブジェクトを使用して、新しいデータで予測を行います。コンパクトなアンサンブルを使用するとメモリ効率が向上します。

ionosphere データ セットを読み込みます。

load ionosphere

再現性を得るため、乱数発生器を default に設定します。

rng("default")

データ セット全体を使用して、100 本のバギング分類木のアンサンブルに学習をさせます。既定の設定では、TreeBagger は木を深く成長させます。

Mdl = TreeBagger(100,X,Y,...
    Method="classification");

Mdl は分類木の TreeBagger アンサンブルです。

コンパクトなバージョンの Mdl を作成します。

CMdl = compact(Mdl)

CMdl = 
  CompactTreeBagger
Ensemble with 100 bagged decision trees:
              Method:       classification
       NumPredictors:                   34
          ClassNames: 'b' 'g'

CMdl は分類木の CompactTreeBagger アンサンブルです。

各アンサンブ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              993836  CompactTreeBagger              
  Mdl       1x1             1132811  TreeBagger                     

Mdl は CMdl より多くの領域を使用します。

CMdl.Trees プロパティは、アンサンブルの学習済み分類木を格納する 100 行 1 列の cell ベクトルです。それぞれの木は CompactClassificationTree オブジェクトです。最初の学習済み分類木をグラフィックで表示します。

view(CMdl.Trees{1},Mode="graph");

コンパクトなアンサンブルを使用して、X の平均のラベルを予測します。

predMeanX = predict(CMdl,mean(X))

predMeanX = 1x1 cell array
    {'g'}