通过删除培训数据来减少完整的ECOC模型的大小。全ecoc模型（ClassificeCoc.模型）持有培训数据。提高效率，使用较小的分类器。

载入费雪的虹膜数据集。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 =量;Y =分类(物种);classOrder =独特(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，该软件将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，“类名”，classorder）;

MDL.是A.ClassificeCoc.模型。

减小Ecoc模型的大小。

CompactMDL = Compact（MDL）

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

Compactmdl.是A.CompactClassificyCoc.模型。Compactmdl.不存储所有属性MDL.商店。特别是，它不会存储培训数据。

显示每个分类器使用的内存量。

谁是（'compactmdl'那'mdl'的）

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。