Уменьшайте размер полной модели ECOC путем удаления данных тренировки. Полные модели ECOC (модели ClassificationECOC) содержат данные тренировки. Чтобы повысить эффективность, используйте меньший классификатор.

Загрузите ирисовый набор данных Фишера. Задайте данные о предикторе X, данные об ответе Y и порядок классов в Y.

load fisheriris
X = meas;
Y = categorical(species);
classOrder = unique(Y);

Обучите модель ECOC с помощью двоичных классификаторов SVM. Стандартизируйте данные о предикторе с помощью шаблона SVM t и задайте порядок классов. Во время обучения программное обеспечение использует значения по умолчанию для пустых опций в t.

t = templateSVM('Standardize',true);
Mdl = fitcecoc(X,Y,'Learners',t,'ClassNames',classOrder);

Mdl является моделью ClassificationECOC.

Уменьшайте размер модели ECOC.

CompactMdl = compact(Mdl)

CompactMdl = 
  classreg.learning.classif.CompactClassificationECOC
             ResponseName: 'Y'
    CategoricalPredictors: []
               ClassNames: [setosa    versicolor    virginica]
           ScoreTransform: 'none'
           BinaryLearners: {3x1 cell}
             CodingMatrix: [3x3 double]


  Properties, Methods

CompactMdl является моделью CompactClassificationECOC. CompactMdl не хранит все свойства, которые хранит Mdl. В частности, это не хранит данные тренировки.

Отобразите объем памяти каждый классификатор использование.

whos('CompactMdl','Mdl')

  Name            Size            Bytes  Class                                                  Attributes

  CompactMdl      1x1             14364  classreg.learning.classif.CompactClassificationECOC              
  Mdl             1x1             27439  ClassificationECOC                                               

Полная модель ECOC (Mdl) приблизительно удваивает размер компактной модели ECOC (CompactMdl).

Чтобы маркировать новые наблюдения эффективно, можно удалить Mdl из MATLAB® Workspace, и затем передать CompactMdl и новые значения предиктора к predict.