通过删除培训数据来减少全ecoc模型的大小。全经ecoc模型（Classifiedecoc.模型）持有培训数据。提高效率，使用较小的分类器。

装载Fisher的Iris数据集。指定预测器数据X，响应数据y，以及课程的顺序y。

加载渔民x = meas;Y =分类（物种）;classOrder =唯一（y）;

使用SVM二进制分类器列车ecoc模型。使用SVM模板标准化预测器数据T.，并指定类的顺序。在培训期间，该软件使用空选项的默认值T.。

t = templatesvm（'标准化'，真的）;mdl = fitcecoc（x，y，'学习者'，t，'classnames'，classorder）;

MDL.是A.Classifiedecoc.模型。

减少ecop模型的大小。

CompactMDL = Compact（MDL）

CompactMDL = CompactClassificationCoc Chractory：'Y'类分类：[] ClassNames：[Setosa Versicolor Virginica] ScorEtransform：'无'BinaryLearners：{3x1 Cell} CodingMatrix：[3x3 Double]属性，方法

compactmdl.是A.CompactClassificeCoc.模型。compactmdl.不存储所有属性MDL.商店。特别是，它不存储培训数据。

显示每个分类器使用的内存量。

谁是（'compactmdl'那'mdl'）

名称大小字节类属性CompactMDL 1x1 15116 ClassReg.Learning.Classif.comPactClassificationCoc MDL 1x1 28357 ClassificeCoc

全ecoc模型（MDL.）大约是紧凑型ecoc模型的大小（compactmdl.）。

有效地标记新观察，可以删除MDL.从MATLAB®工作区，然后通过compactmdl.和新的预测值值预测。