Уменьшайте размер полной модели ECOC путем удаления обучающих данных. Полные модели ECOC (ClassificationECOC
модели), содержат обучающие данные. 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
.
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
.
Mdl
ClassificationECOC
модель.
Уменьшайте размер модели ECOC.
CompactMdl =
CompactClassificationECOC
ResponseName: 'Y'
CategoricalPredictors: []
ClassNames: [setosa versicolor virginica]
ScoreTransform: 'none'
BinaryLearners: {3x1 cell}
CodingMatrix: [3x3 double]
Properties, Methods
CompactMdl
CompactClassificationECOC
модель. CompactMdl
не хранит все свойства что Mdl
хранилища. В частности, это не хранит обучающие данные.
Отобразите объем памяти каждый классификатор использование.
Name Size Bytes Class Attributes
CompactMdl 1x1 15116 classreg.learning.classif.CompactClassificationECOC
Mdl 1x1 28357 ClassificationECOC
Полная модель ECOC (Mdl
) приблизительно удваивает размер компактной модели ECOC (CompactMdl
).
Чтобы пометить новые наблюдения эффективно, можно удалить Mdl
от MATLAB® Workspace, и затем передают CompactMdl
и новые значения предиктора к predict
.