11

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。

4

3 回答 3

6

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
于 2013-03-07T00:33:05.633 回答
6

有几件事：

  1. 这个问题真的是重复的。

  2. 在狭义上model=FALSE，正如在另一个问题中已经回答的那样。

  3. 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。

  4. 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>
于 2013-03-07T01:30:54.300 回答
4

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。

于 2013-03-06T23:53:29.473 回答