代码生成
MATLAB®CODER™生成可读和可移植的C和c++代码摇来摇去m Statistics and Machine Learning Toolbox functions that support code generation. For example, you can classify new observations on hardware devices that cannot run MATLAB by deploying a trained support vector machine (SVM) classification model to the device using code generation.
You can generate C/C++ code for these functions in several ways:
利用
Savelearnerforcoder
,,,,LOADLEARNERNERNERFORCODER
, 和代码根
(MATLAB编码器)对于机器学习模型的对象函数。利用a coder configurer created by
learnerCoderConfigurer
为了predict
and更新
object functions of a machine learning model. Configure code generation options by using the configurer and update model parameters in the generated code.利用
代码根
对于支持代码生成的其他功能。万博1manbetx
您还可以生成定点C/C ++代码,以预测某些机器学习模型。这种代码生成需要定点Designer™。
将机器学习模型的预测集成到Simulink中万博1manbetx®,在统计信息和机器学习工具箱库中使用MATLAB功能块或Simulink块万博1manbetx。
To learn about code generation, see代码生成简介。
有关支持代码生成的函数列表,请参见万博1manbetx功能列表(C/C ++代码生成)。
功能
对象
块
话题
代码生成Workflows
- 代码生成简介
Learn how to generate C/C++ code for Statistics and Machine Learning Toolbox functions. - 一般代码生成工作流程
生成不使用机器学习模型对象的统计和机器学习工具箱功能的代码。 - 用于预测机器学习模型在命令行的代码生成
生成代码以预测命令行中的分类或回归模型。 - 代码生成为了Incremental Learning
生成在命令行中实现二进制线性分类的增量学习的代码。 - 使用MATLAB编码器应用程序预测机器学习模型的代码生成
通过使用该代码来预测分类或回归模型的代码MATLAB编码器应用程序。 - 用于预测和使用编码器配置器更新的代码生成
生成代码,用于使用编码器配置器预测模型,并在生成的代码中更新模型参数。 - 为代码生成指定变量尺寸参数
生成接受输入参数的代码,其大小可能在运行时更改。 - 生成代码以在表中对数据进行分类
生成用于在包含数字和分类变量的表中分类数据的代码。 - 为分类预测变量创建虚拟变量,并生成C/C ++代码
在拟合SVM分类器并生成代码之前,将分类预测变量转换为数字虚拟变量。 - Fixed-Point Code Generation for Prediction of SVM
生成定点代码,以预测SVM分类或回归模型。 - 代码生成和分类学习者应用程序
Train a classification model using the Classification Learner app, and generate C/C++ code for prediction. - 最近邻居搜索者的代码生成
生成用于使用最近的邻居搜索器模型查找最近邻居的代码。 - 代码生成概率分布对象
生成适合概率分布对象的代码以示例数据并评估拟合的分布对象。 - 代码生成为了Logistic Regression Model Trained in Classification Learner
此示例显示了如何使用分类学习者训练逻辑回归模型,然后生成C代码,该C代码使用导出的分类模型预测标签。
分类和回归预测块
- Predict Class Labels Using ClassificationSVM Predict Block
此示例显示了如何使用Simulink®中标签预测的分类VM预测块。万博1manbetx - 使用分类树预测类标签预测块
使用分类学习者应用训练分类决策树模型,然后使用分类树预测标签预测的块。 - 使用分类安装预测块预测类标签
Train a classification ensemble model with optimal hyperparameters, and then use the分类安排预测标签预测的块。 - 使用分类neurnetwork预测类标签预测块
训练神经网络分类模型,然后使用分类neuralnetwork预测标签预测的块。 - 使用RecressionsVM预测响应预测块
使用回归学习者应万博1manbetx用程序训练支持向量机(SVM)回归模型,然后使用RecressionsVM预测响应预测的块。 - 使用回归树预测响应预测块
此示例显示了如何使用回归树预测块在Simulink®中进行响应预测。万博1manbetx - 使用回归元预测响应预测块
使用最佳超参数训练回归合奏模型,然后使用回归征预测响应预测的块。 - Predict Responses Using RegressionNeuralNetwork Predict Block
训练神经网络回归模型,然后使用回归工业网络预测响应预测的块。 - 使用回归GRESSIONGP预测响应预测块
训练高斯流程(GP)回归模型,然后使用回归GRESSIONGP预测响应预测的块。
代码生成应用
- Predict Class Labels Using MATLAB Function Block
从Simulink模型中生成代码,该模型使万博1manbetx用SVM模型对数据进行分类。 - 分类和代码生成的系统对象
从System Object™生成代码,用于使用训练有素的分类模型进行预测,并在Simulink模型中使用系统对象。万博1manbetx - Predict Class Labels Using Stateflow
从状态流生成代码®使用判别分析分类器对数据进行分类的模型。 - 人类活动识别simulink模型用于定点部署万博1manbetx
从为定点部署准备的分类模型中生成代码。万博1manbetx - 使用机器学习算法在Arduino硬件上识别打孔和弹性手势(万博1manbet万博1manbetxxsimulink支持包适用于Arduino硬件)
此示例显示了如何使用Arduino®硬件的Simulink®支持包使万博1manbetx万博1manbetx用机器学习算法来识别打孔和弹性手势。