马铃薯®编码器™从支持代码生成的统计信息和计算机学习工具箱功能生成可读和便携式的C和C ++代码。万博1manbetx例如,您可以通过将培训的支持向量机(SVM)分类模型部署到设备使用代码生成来对无法运行MATLAB的硬件设备对无法运行MATLAB的新的观察。万博1manbetx
你可以通过以下几种方式为这些函数生成C/ c++代码:
用Savelarnerforcoder.
,loadLearnerForCoder
, 和codegen
(MATLAB编码器)用于机器学习模型的目标函数。
使用。创建的代码配置器learnerCoderConfigurer
为预测
和更新
机器学习模型的目标函数。通过在生成的代码中使用配置器和更新模型参数来配置代码生成选项。
用codegen
用于支持代码生成的其他函数。万博1manbetx
您还可以为某些机器学习模型的预测生成固定点C / C ++代码。此类代码生成需要固定点设计器™。
将计算机学习模型的预测集成到Simulink中万博1manbetx®,使用MATLAB函数块或统计和机器学习工具箱库中的Simulink块。万博1manbetx
要了解有关代码生成的信息,请参见代码生成简介.
有关支持代码生成的函数列表,请参见万博1manbetx函数列表(C/ c++代码生成).
了解如何为统计信息和计算机学习工具箱功能生成C / C ++代码。
生成不使用机器学习模型对象的统计和机器学习工具箱函数的代码。
在命令行生成用于预测分类或回归模型的代码。
生成实现在命令行中为二进制线性分类实现增量学习的代码。
通过使用使用方法生成预测分类或回归模型的代码MATLAB编码器应用程序。
生成使用编码器配置程序预测模型的代码,并在生成的代码中更新模型参数。
生成接受在运行时大小可能改变的输入参数的代码。
生成用于对包含数字和类别变量的表中的数据进行分类的代码。
在拟合SVM分类器和生成代码之前将分类预测器转换为数字虚拟变量。
生成用于预测SVM分类或回归模型的定点代码。
使用classification Learner app训练一个分类模型,生成C/ c++代码进行预测。
使用最近的邻南搜索器模型生成用于查找最近邻居的代码。
生成使概率分布对象适合于样本数据的代码,并对拟合的分布对象进行评估。
这个例子展示了如何使用Classification Learner训练逻辑回归模型,然后使用导出的分类模型生成预测标签的C代码。
这个例子展示了如何在Simulink®中使用ClassificationSVM预测块进行标签预测。万博1manbetx
使用classification Learner应用训练一个分类决策树模型,然后使用ClassificationTree预测标签预测块。
用最佳的超参数训练分类集合模型,然后使用ClassificationEnsemble预测标签预测块。
使用回归学习应用万博1manbetx程序训练支持向量机(SVM)回归模型,然后使用回归vm预测响应预测块。
这个例子展示了如何在Simulink®中使用RegressionTree Predict块进行响应预测。万博1manbetx
训练一个具有最优超参数的回归集成模型,然后使用RegressionEnsemble预测响应预测块。
从Simulink模型生成代码,该模型使用万博1manbetxSVM模型对数据进行分类。
从系统对象™生成代码,用于使用培训的分类模型进行预测,并在Simulink模型中使用系统对象。万博1manbetx
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。
用于固定点部署的人类活动识别Simulink模型万博1manbetx
从为定点部署准备的Simulink分类模型万博1manbetx生成代码。