MATLAB®编码器™从支持代码生成的统计和机器学习工具箱函数中生成可读和可移植的C和c++代码。万博1manbetx例如,通过使用代码生成将训练有素的支持向量机(SVM)分类模型部署到设备上,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
您可以通过几种方式为统计和机器学习工具箱函数生成C/ c++代码。
代码生成的目标函数(预测
,随机
,knnsearch
, 要么rangesearch
)的机器学习模式-使用saveLearnerForCoder
,loadLearnerForCoder
,代码生成
。通过使用保存训练模型saveLearnerForCoder
。定义一个入口点函数,使用以下命令加载保存的模型loadLearnerForCoder
并调用该对象的功能。然后用代码生成
生成的入口点函数的代码。
代码生成的预测
和更新
树模型中,SVM模型,线性模型,或多类纠错输出编码(ECOC)的功能,使用SVM或线性二进制学习者分类模型 - 创建编码器通过使用配置器learnerCoderConfigurer
然后通过使用产生的代码generateCode
。可以更新在所生成的C / C ++代码模型参数,而无需重新生成代码。
支持代码生成使用的其他函数万博1manbetx代码生成
。定义调用该函数,支持代码生成的入口点函数。万博1manbetx然后通过使用产生的C / C ++的入口点函数代码代码生成
。
还可以生成定点C / C ++代码用于SVM模型,决策树模型,和决策树的合奏的预测。这种类型的代码生成的需要定点设计师™。
对于功能,它支持代码生成,看到一个列表万博1manbetx功能列表(C / C ++代码生成)
要了解代码生成,请参见介绍代码生成。
学习如何为统计和机器学习工具箱函数生成C/ c++代码。
产生不使用机器学习模型对象统计和机器学习工具箱功能代码。
生成代码用于在命令行一个分类或回归模型的预测。
生成用于分类或回归模型预测的代码MATLAB编码器应用程序。
使用编码器配置器为模型的预测生成代码,并更新生成代码中的模型参数。
使用classification Learner app训练分类模型,生成C/ c++代码进行预测。
使用最近邻搜索器模型生成查找最近邻的代码。
生成接受输入的参数,其大小可能会在运行时更改代码。
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。
产生用于SVM分类或回归模型的预测定点代码。
产生适合的概率分布对象的样本数据,并评估拟合分布的目标代码。
使用二叉决策树生成用于对表中的数值数据进行分类的代码。
从Simulink中生成代码万博1manbetx®建模使用SVM模型数据分类。
从System object™生成代码,使用经过训练的分类模型进行预测,并在Simulink模型中使用系统对象。万博1manbetx
从Stateflow中生成代码®使用模拟判别分析分类器进行分类数据。