多包类分类的二进制决策树模型编码器配置程序
一种classificationtreecoderconfigurer
Object是用于多类分类的二叉决策树模型的编码配置器(ClassificationTree.
或者CompactClassificationTree.
)。
编码器配置器提供方便的功能来配置代码生成选项,在生成的代码中生成C / C ++代码和更新模型参数。
配置代码生成选项并使用对象属性指定树模型参数的编码器属性。
生成C/ c++代码预测
和更新
通过使用分类树模型的功能Generatecode.
.生成C/ c++代码需要MATLAB®编码器™.
更新生成的C / C ++代码中的模型参数,而无需重新生成代码。此功能可减少重新生成,重新部署和求解C / C ++代码所需的努力,当您使用新数据或设置重新转回树模型时。在更新模型参数之前,使用验证updateInpuls.
验证并提取要更新的模型参数。
此流程图显示使用编码器配置程序的代码生成工作流程。
对于代码生成使用说明和分类树模型的限制,请参阅代码生成部分CompactClassificationTree.
那预测
, 和更新
.
通过使用培训分类树模型fitctree
,使用使用创建模型的编码器配置器Learnercoderconfigurer
.使用编码器配置器的属性指定编码器属性预测
和更新
论点。然后,使用Generatecode.
基于指定的编码器属性生成C / C ++代码。
预测
参数控件的编码器属性预测
生成的代码中的函数参数。
X
-预测器数据的编码器属性LearnercoderInpul.
目的预测器数据的编码器属性将传递给生成的C / C ++代码预测
分类树模型的功能,指定为aLearnercoderInpul.
目的。
使用使用时创建编码器配置程序时Learnercoderconfigurer
函数,输入参数X
确定默认值LearnercoderInpul.
编码器属性:
秘诀
- 默认值是输入的数组大小X
.
杂色金属依赖项
—该值为[0 0]
(默认)或[1 0]
.
[0 0]
表示阵列大小如规定固定秘诀
.
[1 0]
表示阵列具有可变大小的行和固定大小列。在这种情况下,第一个值秘诀
行数的上界和第二个值是秘诀
是列数。
数据类型
—该值为单
或者双
.默认数据类型取决于输入的数据类型X
.
可调性
- 这个值必须是真的
, 意思是预测
在所生成的C / C ++代码中,始终包括预测器数据作为输入。
您可以使用点表示法修改编码器属性。例如,要生成C / C ++代码,该代码接受具有三个预测变量的100个观察的预测器数据,请指定这些编码器属性X
用于编码器配置器配置程序
:
configuration . x . sizevector = [100 3];configurer.X.DataType ='双倍的';configurer.x.variaBolidimensions = [0 0];
[0 0]
表示第一和第二维度X
(分别观察次数和预测变量的数量)具有固定尺寸。
要允许生成的C / C ++代码接受最多100个观察的预测器数据,请指定这些编码器属性X
:
configuration . x . sizevector = [100 3];configurer.X.DataType ='双倍的';configur.x.variabledimensions = [1 0];
[1 0]
的第一个维度X
(观察次数)具有可变尺寸和第二维度X
(预测器变量的数量)具有固定大小。在该示例中指定的观测数量,100成为生成的C / C ++代码中允许的最大观察数。要允许任何数量的观察,请指定绑定为INF.
.
numoutput.
-中输出数预测
从生成的C / C ++代码返回的输出参数的数量预测
分类树模型的功能,指定为1,2,3或4。
输出论据预测
是标签
(预测类标签),分数
(后验概率),节点
(预测类的节点号),和CNUM
(预测标签的类号),按此顺序。预测
在生成的C/ c++代码中返回第一个N
输出的预测
功能,在哪里N
是个numoutput.
价值。
创建编码器配置器后配置程序
,您可以使用点表示法指定输出的数量。
configurer.numOutputs = 2;
这numoutput.
属性等价于'-Nargout'
编译器选项Codegen.
(MATLAB编码器).此选项指定代码生成的入口点函数中输出参数的数量。对象功能Generatecode.
生成两个入口点函数 -predict.m
和更新..
为了预测
和更新
函数的一个分类树模型,分别生成C/ c++代码为两个入口点函数。的指定值numoutput.
属性对应于入口点函数中输出参数的数量predict.m
.
数据类型:双
更新
参数控件的编码器属性更新
生成的代码中的函数参数。这更新
函数将培训的模型和新型号参数作为输入参数,并返回包含新参数的模型的更新版本。要启用更新生成的代码中的参数,则需要在生成代码之前指定参数的编码器属性。用一个LearnercoderInpul.
对象指定每个参数的编码器属性。默认属性值基于输入参数中的模型参数MDL.
的Learnercoderconfigurer
.
孩子们
-每个节点的子节点的编码器属性LearnercoderInpul.
目的树中每个节点的子节点的编码器属性(孩子们
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
—默认值为[ND 2]
,在那里n
是否有节点数MDL.
.
杂色金属依赖项
—该值为[0 0]
(默认)或[1 0]
.
[0 0]
表示阵列大小如规定固定秘诀
.
[1 0]
表示阵列具有可变大小的行和固定大小列。在这种情况下,第一个值秘诀
行数的上界和第二个值是秘诀
是列数。
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
如果修改第一个维度秘诀
是新闻
,然后软件修改了第一维度秘诀
属性是新闻
对于属性ClassProbability.
那割点
, 和CutPredictorIndex
.类似地,如果你修改杂色金属依赖项
是1
,然后软件修改了第一维度杂色金属依赖项
属性是1
对于这些属性。
ClassProbability.
-每个节点的类概率的编码器属性LearnercoderInpul.
目的树中每个节点的类概率的编码器属性(ClassProbability.
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
—默认值为[nd c]
,在那里n
是否有节点数MDL.
和C
是课程的数量。
杂色金属依赖项
—该值为[0 0]
(默认)或[1 0]
.
[0 0]
表示阵列大小如规定固定秘诀
.
[1 0]
表示阵列具有可变大小的行和固定大小列。在这种情况下,第一个值秘诀
行数的上界和第二个值是秘诀
是列数。
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
如果修改第一个维度秘诀
是新闻
,然后软件修改了第一维度秘诀
属性是新闻
对于属性孩子们
那割点
, 和CutPredictorIndex
.类似地,如果你修改杂色金属依赖项
是1
,然后软件修改了第一维度杂色金属依赖项
属性是1
对于这些属性。
成本
-错误分类成本的编码属性LearnercoderInpul.
目的分类成本的编码器属性(成本
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
- 这个值必须是[c]
,在那里C
是课程的数量。
杂色金属依赖项
- 这个值必须是[0 0]
,表示数组大小固定秘诀
.
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
—默认值为真的
.
割点
-每个节点的切割点的编码器属性LearnercoderInpul.
目的树中每个节点的切割点的编码器属性(割点
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
—默认值为[ND 1]
,在那里n
是否有节点数MDL.
.
杂色金属依赖项
—该值为[0 0]
(默认)或[1 0]
.
[0 0]
表示阵列大小如规定固定秘诀
.
[1 0]
表示阵列具有可变大小的行和固定大小列。在这种情况下,第一个值秘诀
行数的上界和第二个值是秘诀
是列数。
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
如果修改第一个维度秘诀
是新闻
,然后软件修改了第一维度秘诀
属性是新闻
对于属性孩子们
那ClassProbability.
, 和CutPredictorIndex
.类似地,如果你修改杂色金属依赖项
是1
,然后软件修改了第一维度杂色金属依赖项
属性是1
对于这些属性。
CutPredictorIndex
-每个节点的切割预测器索引的编码器属性LearnercoderInpul.
目的树中每个节点的剪切预测器索引的编码器属性(CutPredictorIndex
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
—默认值为[ND 1]
,在那里n
是否有节点数MDL.
.
杂色金属依赖项
—该值为[0 0]
(默认)或[1 0]
.
[0 0]
表示阵列大小如规定固定秘诀
.
[1 0]
表示阵列具有可变大小的行和固定大小列。在这种情况下,第一个值秘诀
行数的上界和第二个值是秘诀
是列数。
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
如果修改第一个维度秘诀
是新闻
,然后软件修改了第一维度秘诀
属性是新闻
对于属性孩子们
那ClassProbability.
, 和割点
.类似地,如果你修改杂色金属依赖项
是1
,然后软件修改了第一维度杂色金属依赖项
属性是1
对于这些属性。
事先的
-概率的编码器属性LearnercoderInpul.
目的概率的编码器属性(事先的
分类树模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
- 这个值必须是[1 c]
,在那里C
是课程的数量。
杂色金属依赖项
- 这个值必须是[0 0]
,表示数组大小固定秘诀
.
数据类型
—该值为“单一”
或者'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
—默认值为真的
.
outputfilename.
-生成的C/ c++代码的文件名'classificationtreemodel'
(默认)|特征向量生成的C / C ++代码的文件名,指定为字符向量。
对象功能Generatecode.
的classificationtreecoderconfigurer
使用此文件名生成C / C ++代码。
文件名不得包含空格,因为它们可以在某些操作系统配置中导致代码生成失败。此外,名称必须是有效的MATLAB函数名称。
创建编码器配置器后配置程序
,您可以使用点表示法指定文件名。
configurer.outputfilename =.'mymodel';
数据类型:char
verb
-冗长水平真的
(逻辑1)(默认)|错误的
(逻辑0)详细级别,指定为真的
(逻辑1)或错误的
(逻辑0)。详细级别控制命令行处的通知消息的显示。
价值 | 描述 |
---|---|
真的 (逻辑1) |
当您对参数的编码器属性的更改导致其他相关参数的更改时,该软件将显示通知消息。 |
错误的 (逻辑0) |
该软件不显示通知消息。 |
要在生成代码中更新机器学习模型参数,需要在生成代码之前配置参数的编码器属性。参数的编码器属性彼此依赖,因此软件将依赖关系存储为配置约束。如果您通过使用编码器配置器修改参数的编码器属性,并且该修改需要后续更改其他相关参数以满足配置约束,那么软件将更改相关参数的编码器属性。详细级别决定软件是否为这些后续更改显示通知消息。
创建编码器配置器后配置程序
,您可以使用点表示法修改详细级别。
配置。verb= false;
数据类型:逻辑
要自定义代码生成工作流,请使用生成菲尔斯
功能和以下三个属性Codegen.
(MATLAB编码器),而不是使用Generatecode.
功能。
生成两个入门点函数文件(predict.m
和更新..
)通过使用生成菲尔斯
功能,您可以根据代码生成工作流修改这些文件。例如,您可以修改predict.m
文件要包含数据预处理,或者您可以将这些入口函数添加到另一个代码生成项目。然后,您可以通过使用C / C ++代码来生成C / C ++代码Codegen.
(MATLAB编码器)功能和Codegen.
适用于修改的入境点函数或代码生成项目的参数。使用本节中描述的三个属性作为设置的起点Codegen.
论点。
CodeGenerationArguments
-Codegen.
争论此属性是只读的。
Codegen.
(MATLAB编码器)参数,指定为单元格数组。
此属性使您可以自定义代码生成工作流程。使用Generatecode.
功能如果您不需要自定义工作流程。
而不是使用Generatecode.
使用编码器配置程序配置程序
,可以生成如下C/ c++代码:
generatefiles(configurer)cgargs = configurer.codegeNerationArguments;Codegen(CGARGS {:})
CGARGS.
因此在呼叫之前Codegen.
.
如果修改其他属性配置程序
,软件更新CodeGenerationArguments
相应的财产。
数据类型:细胞
预测inppuls.
-输入论点预测
编码器.primitiveType.
目的此属性是只读的。
输入点函数的输入参数predict.m
控件的单元格数组,用于生成代码编码器.primitiveType.
(MATLAB编码器)目的。这编码器.primitiveType.
对象包括存储在中的预测器数据的编码器属性X
财产。
如果修改预测器数据的编码器属性,则软件更新编码器.primitiveType.
相应的对象。
这编码器.primitiveType.
对象预测inppuls.
相当于配置。CodeGenerationArguments {6}
用于编码器配置器配置程序
.
数据类型:细胞
updateInputs.
-可调输入参数列表更新
编码器.primitiveType.
对象此属性是只读的。
入口点函数的可调输入参数列表更新..
对于代码生成,指定为结构的单元格数组,包括编码器.primitiveType.
(MATLAB编码器)对象。每个编码器.primitiveType.
对象包括可调谐计算机学习模型参数的编码器属性。
如果使用编码器配置程序属性修改模型参数的编码器属性(更新
参数属性),然后软件更新相应的编码器.primitiveType.
相应的对象。如果您指定可调性
机器学习模型参数的属性错误的
,然后软件删除相应的编码器.primitiveType.
对象的updateInputs.
列表。
的结构updateInputs.
相当于configurer.codegenerationArguments {3}
用于编码器配置器配置程序
.
数据类型:细胞
Generatecode. |
使用编码器配置程序生成C / C ++代码 |
生成菲尔斯 |
产生MATLAB使用编码器配置程序的代码生成文件 |
验证updateInpuls. |
验证和提取机器学习模型参数更新 |
火车机器学习模型,然后为此生成代码预测
和更新
通过使用编码器配置器来实现模型的功能。
加载渔民
数据集,其中包含花数据,并训练出决策树模型。
加载渔民x = meas;y =物种;mdl = fitctree(x,y);
MDL.
是一个ClassificationTree.
目的。
为此创建一个编码器配置程序ClassificationTree.
模型通过使用Learnercoderconfigurer
.指定预测器数据X
.这Learnercoderconfigurer
功能使用输入X
配置编码器属性预测
功能输入。
X配置= learnerCoderConfigurer (Mdl)
configurer = passionificationtrecoderconfigurer具有属性:更新输入:儿童:[1x1学习者划线算法:[1x1学习者划线序列]切口:[1x1学习者探测器] CutpredictorIndex:[1x1学习者核序列]成本:[1x1学习者CoderInput]成本:[1x1学习者核序列]预测输入:x:[1x1 LearnerCoderInput]代码生成参数:NUMOUTPUTS:1 OUTPUTFILENAME:'ClassificationTreeModel'属性,方法
配置程序
是一个classificationtreecoderconfigurer
对象的代码配置器ClassificationTree.
目的。
要生成C / C ++代码,您必须访问正确配置的C / C ++编译器。MATLAB编码器定位并使用支持的安装编译器。万博1manbetx您可以使用梅克斯
-设置
查看和更改默认编译器。有关更多详细信息,请参阅更改默认编译器.
为此生成代码预测
和更新
分类树模型的功能(MDL.
)默认设置。
Generatecode(Configurer)
Generatecode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','classificationtreemodel.mat'
这Generatecode.
函数完成这些操作:
生成生成代码所需的MATLAB文件,包括两个入口点函数predict.m
和更新..
为了预测
和更新
的功能MDL.
, 分别。
创建名为MEX函数ClassificationTreeModel
用于两个入口点功能。
创建MEX函数的代码Codegen \ MEX \ ClassificationTreeModel
文件夹中。
将MEX函数复制到当前文件夹。
显示该内容predict.m
那更新..
, 和初始化..
文件通过使用类型
功能。
类型predict.m
函数varargout = predict(x,varargin)%#codegen%by matlab,03-oct-2020 19:21:40 [varargout {1:nargout}] =初始化('predict',x,varargin {:});结尾
类型更新..
功能更新(varargin)%#codegen%by matlab,03-oct-2020 19:21:40初始化('更新',varargin {:});结尾
类型初始化..
函数[varargout] = initialize(命令,varargin)%#codegen%by matlab,03-oct-2020 19:21:40编码器。。垫');结束开关(命令)案例'更新'%更新结构字段:儿童%ClassProbability%Centpoint%CutpRedictorIndex%先前的%成本模型=更新(型号,varargin {:});案例'预测'%预测输入:x x = varargin {1};如果nargin == 2 [varargout {1:nargout}] = predict(model,x);否则pvPairs = cell(1,nargin-2);对于i = 1:nargin-2 pvPair {1,i} = varargin {i + 1};结束[varargout {1:nargout}] = predict(model,x,pvpaess {:});结束结束
使用部分数据集列车进行多牌分类的决策树,并为模型创建编码器配置器。使用编码器配置器的属性来指定模型参数的编码器属性。使用编码器配置器的对象函数来生成C代码,该C代码预测新的预测器数据的标签。然后使用整个数据集重新培训模型,并在未重新生成代码的情况下更新生成代码中的参数。
火车模型
加载渔民
数据集,包含花数据。该数据集具有四个预测因子:萼片长度,萼片宽度,花瓣长度和花瓣宽度。响应变量包含花卉物种名称:Setosa,Versicolor和Virginica。使用一半的观察来培训分类树模型。
加载渔民x = meas;y =物种;RNG('默认')重复性的%n =长度(y);c = cvpartition(y,“坚持”,0.5);Idxtrain =培训(C,1);xtrain = x(idxtrain,:);YTrain = Y(IDxtrain);mdl = fitcree(xtrain,ytrain);
MDL.
是一个ClassificationTree.
目的。
创建编码器配置
为此创建一个编码器配置程序ClassificationTree.
模型通过使用Learnercoderconfigurer
.指定预测器数据。这Learnercoderconfigurer
功能使用输入XTrain
配置编码器属性预测
功能输入。此外,将输出的数量设置为4,以便生成的代码返回预测的标签,分数,节点编号和类号。
configurer = LearnerCoderConfigurer(MDL,XTrain,'numoutputs'4);
配置程序
是一个classificationtreecoderconfigurer
对象的代码配置器ClassificationTree.
目的。
指定参数的编码器属性
指定分类树模型参数的编码器属性,以便在再培训模型后更新生成的代码中的参数。
首先,指定编码器属性X
财产配置程序
因此,生成的代码接受任何数量的观察。修改秘诀
和杂色金属依赖项
属性。这秘诀
属性指定预测器数据大小的上界,以及杂色金属依赖项
属性指定预测器数据的每个维度是否具有可变大小或固定大小。
configurer.x.sizevector = [INF 4];configur.x.variabledimensions
ans =.1x2逻辑阵列1 0
第一维度的大小是观察的数量。设置值秘诀
归因于INF.
导致软件更改值杂色金属依赖项
归因于1
.换句话说,大小的上限是INF.
它的大小是可变的,这意味着预测数据可以有任意数量的观察数据。如果您在生成代码时不知道观察数据的数量,则此规范非常方便。
第二维度的大小是预测变量的数量。必须为机器学习模型固定此值。因为预测器数据包含4个预测器,所以秘诀
属性必须是4.
和值的价值杂色金属依赖项
属性必须是0.
.
如果使用新数据或不同的设置重新恢复树模型,则树中的节点数量可能会有所不同。因此,指定第一个维度秘诀
其中一个属性的属性,以便您可以更新生成的代码中的节点数:孩子们
那ClassProbability.
那割点
, 或者CutPredictorIndex
.然后,软件会自动修改其他属性。
例如,设置第一个值秘诀
的属性割点
财产INF.
.软件修改了秘诀
和杂色金属依赖项
属性的孩子们
那ClassProbability.
, 和CutPredictorIndex
匹配树中节点数量的新上限。另外,第一个值杂色金属依赖项
的属性割点
改变到1
.
configurer.cutpoint.sizevector = [INF 1];
用于儿童的SizeVector属性已被修改为满足配置约束。SizeVector属性用于CutPredictorIndex的修改以满足配置约束。variablyimensions属性用于儿童的归因于满足配置约束。variabledimensions for cutpredictorindex的属性已被修改为满足配置约束。已修改ClassProbability的SizeVector属性以满足配置约束。VariaBlyimensions for ClassProbability的属性已被修改为满足配置约束。
configurer.cutpoint.variabledimensions.
ans =.1x2逻辑阵列1 0
生成代码
要生成C / C ++代码,您必须访问正确配置的C / C ++编译器。MATLAB编码器定位并使用支持的安装编译器。万博1manbetx您可以使用梅克斯
-设置
查看和更改默认编译器。有关更多详细信息,请参阅更改默认编译器.
为此生成代码预测
和更新
分类树模型的功能(MDL.
)。
Generatecode(Configurer)
Generatecode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','classificationtreemodel.mat'
这
Generatecode.
函数完成这些操作:
生成生成代码所需的MATLAB文件,包括两个入口点函数predict.m
和更新..
为了预测
和更新
的功能MDL.
, 分别。
创建名为MEX函数ClassificationTreeModel
用于两个入口点功能。
创建MEX函数的代码Codegen \ MEX \ ClassificationTreeModel
文件夹中。
将MEX函数复制到当前文件夹。
验证生成的代码
通过一些预测数据来验证是否是预测
功能MDL.
和预测
MEX函数中的函数返回相同的输出参数。要在具有多个入口点的MEX函数中调用一个入门点函数,请将函数名称指定为第一个输入参数。
[标签,分数,节点,CNUM] =预测(MDL,XTrain);[label_mex,score_mex,node_mex,cnum_mex] = classificationtreemodel('预测',XTrain);
比较标签
和label_mex.
通过使用是平等的
.同样,比较节点
来node_mex.
和CNUM
来cnum_mex
.
label_mex isequal(标签)
ans =.逻辑1
isequal(节点,node_mex)
ans =.逻辑1
isequal(cnum,cnum_mex)
ans =.逻辑1
是平等的
返回逻辑1(真的
)如果所有输入参数都是相等的。比较证实了预测
功能MDL.
和预测
MEX函数中的功能返回相同的标签,节点编号和类号。
比较分数
和得分_mex.
.
max(abs(score-score_mex),[],'全部')
ans = 0
一般来说,得分_mex.
可能包括与之相比的圆截止差异分数
.在这种情况下,比较证实了分数
和得分_mex.
是平等的。
培训模型和生成代码中的更新参数
使用整个数据集重新培训模型。
RetrationMDL = FITCTREE(X,Y);
通过使用提取要更新的参数验证updateInpuls.
.此功能检测到修改的模型参数returatedmdl.
并验证修改的参数值是否满足参数的编码器属性。
params = validatedupdateInputs(Configurer,HetrowingMDL);
更新生成的代码中的参数。
ClassificationTreeModel(“更新”params)
验证生成的代码
比较来自的输出参数预测
功能returatedmdl.
和预测
在更新的MEX函数中的功能。
[标签,分数,节点,cnum] =预测(再检察,x);[label_mex,score_mex,node_mex,cnum_mex] = classificationtreemodel('预测', X);label_mex isequal(标签)
ans =.逻辑1
isequal(节点,node_mex)
ans =.逻辑1
isequal(cnum,cnum_mex)
ans =.逻辑1
max(abs(score-score_mex),[],'全部')
ans = 0
比较确认标签,节点号,类号和分数是相等的。
LearnercoderInpul.
对象编码器配置器使用一个LearnercoderInpul.
对象的编码器属性预测
和更新
输入参数。
一种LearnercoderInpul.
对象具有以下属性,用于在生成的代码中指定输入参数数组的属性。
属性名称 | 描述 |
---|---|
秘诀 |
数组大小如果相应的话 如果相应的阵列大小的上限 |
杂色金属依赖项 |
指示符,指定数组的每个维度是可变大小还是固定大小,指定为
|
数据类型 |
数组的数据类型 |
可调性 |
指示指示是否或不是 如果指定其他属性值 |
创建编码器配置程序后,您可以使用点表示法修改编码器属性。例如,指定编码器属性割点
编码器配置程序的属性配置程序
:
configurer.cutpoint.sizevector = [20 1];configurer.cutpoint.variabledimensions = [1 0];
verb
) 作为真的
(默认),然后软件显示通知消息,当您修改一个机器学习模型参数的编码器属性和修改改变其他相关参数的编码器属性。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。