火车分类模型

加载电离层数据集。此数据集具有34个预测器和351个雷达返回的二进制响应，无论是坏的吗（'B')或良好('G'）。

加载电离层

培训分类集合模型K.- 使用随机子空间方法，最邻居弱的学习者。有关使用随机子空间集合的分类的详细信息，请参阅随机子空间分类．

rng (“默认”）%的再现性学习者= templateknn（'numneighbors'，2）;mdl = fitcensemble（x，y，'方法'那“子”那“NPredToSample”5,......'学习者'，学习者，'numlearnicalnycle'13);

使用saveLearnerForCoder

将经过训练的集成模型保存到一个名为knnensemble.mat.在您当前的文件夹中。

saveLearnerForCoder (Mdl'knnensemble'）

saveLearnerForCoder制定完整分类模型MDL.紧凑，然后将其保存到Matlab二进制文件中knnensemble.mat.作为当前文件夹中的结构阵列。

定义入口点函数

一个入口点功能，也称为顶层或者主函数，是您为代码生成而定义的函数。您必须定义一个入口点函数，该函数调用支持代码生成的函数，并从入口点函数生成C/ c++代码。入口点函数中的所有函数都必须支持代码生成。万博1manbetx

在当前文件夹中的新文件中，定义名为myknnensemblepredict.这有以下内容：

您可以通过指定来允许可选的名称-值参数varargin.作为输入参数。有关详细信息，请参阅可变长度参数列表的代码生成(MATLAB编码器)．

类型myknnEnsemblePredict.m％显示myknensemblepredict.m文件的内容。

function [label,score] = myknnEnsemblePredict(X,fileName,varargin) %#codegen CompactMdl = loadLearnerForCoder(fileName);(标签,分数)=预测(CompactMdl X,变长度输入宗量{:});结束

添加％＃codegen.编译器指令（或Pragma）到函数签名后的入门点函数，表示您打算为Matlab算法生成代码。添加此指令指示MATLAB代码分析仪帮助您诊断和修复将在代码生成中导致错误的违规。看使用代码分析仪检查代码(MATLAB编码器)．

笔记：如果您单击此页面右上方的按钮并在MATLAB®中打开此示例，那么MATLAB®将打开示例文件夹。此文件夹包含入口点函数文件(myknnEnsemblePredict.m）和测试文件（test_myknnEnsemblePredict.m，稍后描述）。

设置编译器

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．

创建测试文件

写一个调用的测试脚本myknnensemblepredict.功能。在“测试脚本”中，指定在生成的代码中使用的输入参数和名称值对参数。您使用此测试脚本在使用MATLAB编码器应用程序生成代码时自动定义输入类型。

在此示例中，创建test_myknnEnsemblePredict.m如图所示，文件在当前文件夹中。

类型test_myknnEnsemblePredict.m％显示test_myknnensemblepredict.m文件的内容。

%% load样本数据加载电离层%% test myknnensemblepredict [标签，得分] = myknnensemblepredict（x，'knnensemble'，'学习者，1：13）;

有关详细信息，请参阅使用应用程序自动定义输入类型(MATLAB编码器)．

使用MATLAB编码器应用程序生成代码

MATLAB Coder应用程序生成C或c++代码从MATLAB®代码。基于工作流的用户界面引导您完成代码生成过程。下面的步骤描述了MATLAB代码应用程序的简单工作流程。更多详细信息，请参见Matlab编码器(MATLAB编码器)和使用MATLAB编码器应用程序生成C代码(MATLAB编码器)．

1.打开MATLAB代码应用程序并选择入门点函数文件。

在这一点应用标签，在应用部分，单击展示更多箭头打开应用程序库。在下面代码生成,点击Matlab编码器．该应用程序打开了选择源文件页面。输入或选择入口点函数的名称，myknnensemblepredict.．

点击下一个去定义输入类型页面。

2.定义输入类型

因为C使用静态键入，因此MATLAB编码器必须在编译时确定MATLAB文件中所有变量的属性。因此，您需要指定入口点函数输入的属性。

输入或选择测试脚本test_myknnensemblepredict并点击自动杂记输入类型．

MATLAB编码器应用程序识别输入类型myknnensemblepredict.基于测试脚本的功能。

修改输入类型：

点击下一个去检查运行时间问题页面。此可选步骤生成MEX文件，运行MEX函数，并报告问题。点击下一个去生成代码页面。

3.生成C代码

放构建类型到MEX并点击产生．该应用程序生成MEX功能，myknnEnsemblePredict_mex．MEX函数是一个C/ c++程序，可从MATLAB执行。您可以使用MEX函数来加速MATLAB算法，并测试生成的代码的功能和运行时问题。有关详细信息，请参阅MATLAB算法加速(MATLAB编码器)和为什么在Matlab中测试MEX函数？(MATLAB编码器)．

根据指定的构建类型，MATLAB编码器生成编译为静态库，动态链接库或可执行文件的MEX函数或独立C / C ++代码。有关设置构建类型的详细信息，请参阅配置构建设置(MATLAB编码器)．

点击下一个去完成工作流程页面。

4.查看完成工作流程页面

这完成工作流程页面表示代码生成成功。此页面还提供了项目摘要和引导生成输出的链接。

使用脚本生成代码

在定义输入类型后，您可以将MATLAB编码器项目转换为MATLAB命令的等效脚本。然后您运行脚本以生成代码。有关详细信息，请参阅将MATLAB编码器项目转换为MATLAB脚本(MATLAB编码器)．

在Matlab编码器应用程序工具栏上，单击打开动作菜单按钮：

选择转换为脚本，然后单击保存．该应用程序创建文件myknnEnsemblePredict_script.m，它在配置对象中再现项目并运行Codegen.(MATLAB编码器)功能。

显示文件的内容myknnEnsemblePredict_script.m．

类型myknnEnsemblePredict_script.m

％myknnensemblepredict_script从myknnensemblepredict生成mex函数myknnensemblepredict_mex％。2017年11月17日，从项目'myknensemblepredict.prj'生成％％脚本。％％另见编码器，coder.config，coder.typeof，codegen。%% create'coder.mexcodeConfig'的configuration对象。cfg = coder.config（'mex'）;cfg.generateReport = true;cfg.reportpotentialDifferences = false;%%定义入门点'myknensemblepredict'的参数类型。args = cell（1,1）;args {1} = cell（4,1​​）; ARGS{1}{1} = coder.typeof(0,[Inf 34],[1 0]); ARGS{1}{2} = coder.Constant('knnEnsemble'); ARGS{1}{3} = coder.Constant('Learners'); ARGS{1}{4} = coder.typeof(0,[1 13],[0 1]); %% Invoke MATLAB Coder. codegen -config cfg myknnEnsemblePredict -args ARGS{1} -nargout 2

运行脚本。

myknnensemblepredict_script.

代码生成成功:要查看报告，打开('codegen/mex/myknnEnsemblePredict/html/report.mldatx')。

验证生成的代码

测试MEX功能以验证生成的代码是否提供了与原始MATLAB代码相同的功能。要执行此测试，请使用与运行原始MATLAB代码的相同输入运行MEX函数，然后比较结果。在生成独立代码之前在MATLAB中运行MEX函数也使您能够检测和修复在生成的独立代码中诊断的运行时错误。有关更多详细信息，请参阅为什么在Matlab中测试MEX函数？(MATLAB编码器)．

传递一些预测数据以验证myknnensemblepredict.MEX函数返回相同的结果。

[标签1，得分1] =预测（mdl，x，'学习者'，1：10）;[label2，score2] = myknensemblepredict（x，'knnensemble'那'学习者'，1：10）;[label3，score3] = myknensemblepredict_mex（x，'knnensemble'那'学习者'，1：10）;

比较标签1那标签2.， 和标签3.通过使用是平等的．

Isequal（Label1，Label2，Label3）

ans =.逻辑1

是平等的返回逻辑1 (真的），这意味着所有输入都是相等的。

这得分3.MEX功能的输出可能包括与输出相比的圆截止差异预测功能。在这种情况下，比较得分1和得分3.，允许小容差。

找到(abs (score1-score3) > 1 e-12)

ans = 0x1空双列向量

找如果元素之间的绝对差，则返回一个空向量得分1和得分3.不大于指定的公差1E-12．对比证实了myknnensemblepredict.MEX函数返回相同的结果。