有没有办法“压缩”lm 类的对象,以便我可以将其保存到磁盘并稍后加载以供 predict.lm 使用?
我有一个 lm 对象,保存后最终约为 142mb,我很难相信 predict.lm 需要所有原始观测值/拟合值/残差等来进行线性预测。我可以删除信息以使保存的模型更小吗?
我尝试将一些变量(fitted.values、residuals 等)设置为 NA,但它似乎对保存的文件大小没有影响。
有没有办法“压缩”lm 类的对象,以便我可以将其保存到磁盘并稍后加载以供 predict.lm 使用?
我有一个 lm 对象,保存后最终约为 142mb,我很难相信 predict.lm 需要所有原始观测值/拟合值/残差等来进行线性预测。我可以删除信息以使保存的模型更小吗?
我尝试将一些变量(fitted.values、residuals 等)设置为 NA,但它似乎对保存的文件大小没有影响。
您可以使用biglm
来拟合您的模型,biglm
模型对象小于 lm 模型对象。您可以使用predict.biglm
创建一个函数,您可以将新数据设计矩阵传递给该函数,该矩阵返回预测值。
另一种选择是用来saveRDS
保存文件,文件看起来要小一些,因为它们的开销较小,是单个对象,不像 save 可以保存多个对象。
library(biglm)
m <- lm(log(Volume)~log(Girth)+log(Height), trees)
mm <- lm(log(Volume)~log(Girth)+log(Height), trees, model = FALSE, x =FALSE, y = FALSE)
bm <- biglm(log(Volume)~log(Girth)+log(Height), trees)
pred <- predict(bm, make.function = TRUE)
save(m, file = 'm.rdata')
save(mm, file = 'mm.rdata')
save(bm, file = 'bm.rdata')
save(pred, file = 'pred.rdata')
saveRDS(m, file = 'm.rds')
saveRDS(mm, file = 'mm.rds')
saveRDS(bm, file = 'bm.rds')
saveRDS(pred, file = 'pred.rds')
file.info(paste(rep(c('m','mm','bm','pred'),each=2) ,c('.rdata','.rds'),sep=''))
# size isdir mode mtime ctime atime exe
# m.rdata 2806 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:24:23 2013-03-07 11:29:30 no
# m.rds 2798 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:29:30 2013-03-07 11:29:30 no
# mm.rdata 2113 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:24:28 2013-03-07 11:29:30 no
# mm.rds 2102 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:29:30 2013-03-07 11:29:30 no
# bm.rdata 592 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:24:34 2013-03-07 11:29:30 no
# bm.rds 583 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:29:30 2013-03-07 11:29:30 no
# pred.rdata 1007 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:24:40 2013-03-07 11:29:30 no
# pred.rds 995 FALSE 666 2013-03-07 11:29:30 2013-03-07 11:27:30 2013-03-07 11:29:30 no
有几件事:
这个问题真的是重复的。
在狭义上model=FALSE
,正如在另一个问题中已经回答的那样。
从更广泛的意义上说,predict(fit, newdata)
实际上只是进行矩阵向量乘法,因此您可以只保存预测向量并将其与矩阵相乘。
有替代的拟合函数。下面是fastLm()
RcppArmadillo 中的一个例子,它也恰好更快。
请参阅下面的插图。
R> library(RcppArmadillo)
Loading required package: Rcpp
R> flm <- fastLm(Volume ~ Girth, data=trees)
R> predict(flm, newdata=trees[1:5,]) ## can predict as with lm()
[1] 5.10315 6.62291 7.63608 16.24803 17.26120
R> object.size(flm) ## tiny object size ...
3608 bytes
R> stdlm <- lm(Volume ~ Girth, data=trees)
R> object.size(stdlm) ## ... compared to what lm() has
20264 bytes
R> stdlm <- lm(Volume ~ Girth, data=trees, model=FALSE)
R> object.size(stdlm) ## ... even when model=FALSE
15424 bytes
R>
原来我解决了我自己的问题。使用以下内容:
model<-lm(form,data=ct,model=FALSE,x=FALSE,y=FALSE)
大大减小了我的模型的大小。