Уменьшите размер полной модели ECOC, удалив данные обучения. Полные модели ECOC (ClassificationECOC модели) хранят данные обучения. Для повышения эффективности используйте более мелкий классификатор.

Загрузите набор данных радужки Фишера. Укажите данные предиктора X, данные ответа Yи порядок классов в Y.

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

Обучение модели ECOC с использованием двоичных классификаторов SVM. Стандартизация данных предиктора с помощью шаблона SVM tи укажите порядок классов. Во время обучения программа использует значения по умолчанию для пустых параметров в t.

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

Mdl является ClassificationECOC модель.

Уменьшите размер модели ECOC.

CompactMdl = compact(Mdl)

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


  Properties, Methods

CompactMdl является CompactClassificationECOC модель. CompactMdl не сохраняет все свойства, которые Mdl магазины. В частности, в нем не хранятся данные обучения.

Отображение объема памяти, используемого классификатором.

whos('CompactMdl','Mdl')

  Name            Size            Bytes  Class                                                  Attributes

  CompactMdl      1x1             15116  classreg.learning.classif.CompactClassificationECOC              
  Mdl             1x1             28357  ClassificationECOC                                               

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

Для эффективной маркировки новых наблюдений можно удалить Mdl из рабочей области MATLAB ®, а затем передатьCompactMdl и новые предикторные значения для predict.