MATLAB®编码器™从支持代码生成的Statistics和Machine Learning Toolbox函数中生成可读且可移植的C和c++代码。万博1manbetx例如,通过使用代码生成将训练过的支持向量机(SVM)分类模型部署到设备上,您可以对无法运行MATLAB的硬件设备上的新观察结果进行分类。万博1manbetx
你可以用几种方法为这些函数生成C/ c++代码:
使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器)机器学习模型的目标函数。
使用创建的编码器配置程序learnerCoderConfigurer
为预测
和更新
机器学习模型的对象函数。使用配置者配置代码生成选项,并在生成的代码中更新模型参数。
使用codegen
对于其他支持代码生成的函数。万博1manbetx
您还可以生成定点C/ c++代码来预测一些机器学习模型。这种类型的代码生成需要定点设计器™。
将机器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
要了解代码生成,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).
学习如何为Statistics和Machine Learning Toolbox函数生成C/ c++代码。
为不使用机器学习模型对象的Statistics和Machine Learning Toolbox函数生成代码。
在命令行生成用于预测分类或回归模型的代码。
在命令行生成实现二进制线性分类增量学习的代码。
生成用于预测分类或回归模型的代码MATLAB编码器应用程序。
使用编码器配置器生成预测模型的代码,并在生成的代码中更新模型参数。
生成代码,接受可能在运行时改变大小的输入参数。
生成代码,用于对包含数值变量和分类变量的表中的数据进行分类。
在拟合SVM分类器并生成代码之前,将分类预测器转换为数值虚拟变量。
为SVM分类或回归模型的预测生成定点代码。
使用classification Learner app训练一个分类模型,并生成C/ c++代码用于预测。
使用最近邻居搜索器模型生成查找最近邻居的代码。
生成代码,将概率分布对象与样本数据相匹配,并对匹配的分布对象进行评估。
这个示例展示了如何使用Classification Learner训练逻辑回归模型,然后生成C代码,使用导出的分类模型预测标签。
这个例子展示了如何在Simulink®中使用ClassificationSVM Predict块进行标签预测。万博1manbetx
使用classification Learner应用程序训练分类决策树模型,然后使用ClassificationTree预测标签预测块。
训练一个具有最优超参数的分类集成模型,然后利用ClassificationEnsemble预测标签预测块。
训练一个神经网络分类模型,然后使用ClassificationNeuralNetwork预测标签预测块。
使用回归学习者应万博1manbetx用程序训练一个支持向量机(SVM)回归模型,然后使用RegressionSVM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。
训练一个神经网络回归模型,然后使用RegressionNeuralNetwork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System对象™生成代码,使用经过训练的分类模型进行预测,并在Simulink模型中使用System对象。万博1manbetx
从一个状态流生成代码®使用判别分析分类器对数据进行分类的模型。
定点部署的人体活动识别Simulink模型万博1manbetx
从为定点部署准备的分类Simulink模型生成代码。万博1manbetx
在Arduino硬件上使用机器学习算法识别打孔和弯曲手势(万博1manbet万博1manbetxxArduino硬件的Simulink支持包)
这个例子展示了如何使用Simulink®Arduino®硬件支持包来万博1manbetx万博1manbetx使用机器学习算法识别打孔和弯曲手势。