Question

有没有办法'压缩'类lm的对象，以便我可以将它保存到磁盘并稍后加载以用于predict.lm？

我有一个lm对象，在保存时最终约为142mb，我很难相信predict.lm需要所有原始观察/拟合值/残差等来进行线性预测。我可以删除信息以便保存的模型更小吗？

我尝试将一些变量（fitting.values，residuals等）设置为NA，但它似乎对保存的文件大小没有影响。

Answer 1

您可以使用biglm来拟合模型，biglm模型对象小于lm模型对象。您可以使用predict.biglm创建一个可以传递newdata设计矩阵的函数，该函数返回预测值。

另一种选择是使用saveRDS来保存文件，这些文件看起来略小，因为它们的开销较小，是一个单独的对象，而不像保存多个对象的保存。

 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

Answer 2

有几件事：

这个问题确实是重复的。
在狭义上model=FALSE已在另一个问题中得到解答。
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，因此您可以将保存为预测向量并将其与矩阵相乘。
有替代拟合功能。以下是RcppArmadillo fastLm()中的一个示例，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>

Answer 3

原来我解决了自己的问题。使用以下内容：

model<-lm(form,data=ct,model=FALSE,x=FALSE,y=FALSE)

大幅缩小了我的模特的尺寸。

有没有办法'压缩'lm（）对象以供以后预测？

3 个答案: