的电离层数据集包含在统计和机器学习工具箱™中，包含雷达返回质量(Y）和预测数据（X）。雷达回波或者是质量好（'G'）或质量差（“b”）。

加载电离层数据集。确定样本大小。

负载电离层n =元素个数(Y)

N = 351

MATLAB函数块不能返回单元格数组。因此，将响应变量转换为元素为的逻辑向量1如果雷达回波是好的，0否则。

Y =的strcmp（Y，'G');

假设雷达回波在序列检测，你有第300个观察，但尚未收到的最后51呢。将数据划分为现在和将来样本。

prsntX = X（1：300，:);prsntY = Y（1：300）;ftrX = X（301：结束，:);ftrY = Y（301：结束）;

培养使用所有的SVM模型，目前可用的数据。指定预测数据标准化。

MDL = fitcsvm（prsntX，prsntY，“标准化”,真正的);

MDL是一个ClassificationSVM模型。在命令行中，您可以使用MDL使新的观察预测。但是，您不能使用MDL如在指用于代码生成的功能的输入自变量。

准备MDL要使用函数内加载saveLearnerForCoder。

saveLearnerForCoder（MDL，“SVMIonosphere”);

saveLearnerForCoder契约MDL，然后将其保存到mat文件中SVMIonosphere.mat。

定义一个名为入口点函数svmIonospherePredict.m这就可以预测雷达回波的质量是否良好。这个函数应该:

功能[标号，得分= svmIonospherePredict（X）% # codegen%svmIonospherePredict使用SVM模型预测雷达回波质量svmIonospherePredict预测标签和估计分类雷达回波的％分数的预测数据X的数值矩阵使用％在文件SVMIonosphere.mat紧凑SVM模型。X的行%表示观测值，列表示预测变量。标签%为预测标签，分数为置信测度％分类雷达收益质量良好。%% MathWorks Inc.版权所有Mdl = loadLearnerForCoder (“SVMIonosphere”);[标签,bothscores] =预测(Mdl X);分数= bothscores (:, 2);结束

注：如果您单击位于此页面的右上部分的按钮，打开在MATLAB®这个例子中，然后打开MATLAB的示例文件夹中。此文件夹包含入口点函数文件。

加载Simulin万博1manbetxk®模型slexSVMIonospherePredictExample.slx。

SimMdlName =“slexSVMIonospherePredictExample”;open_system (SimMdlName);

图中显示的是Simulink®模型。万博1manbetx当输入节点检测到雷达返回时，它将该观察结果定向到MATLAB函数块中，然后将其发送给svmIonospherePredict.m。预测的标签和得分之后，将模型返回在时间模型之一内这些值到工作区和显示的值。当加载slexSVMIonospherePredictExample.slx， MATLAB®也加载它需要调用的数据集radarReturnInput。然而，这个例子展示了如何构造所需的数据集。

模型期望以结构数组的形式接收输入数据radarReturnInput包含这些字段：

为未来的雷达返回创建一个适当的结构阵列。

radarReturnInput。时间= (0:50)';radarReturnInput.signals (1)。值= ftrX;radarReturnInput.signals (1)。尺寸大小= (ftrX 2);

您可以更改名称radarReturnInput，然后指定型号的新名称。但是，预计的Sim万博1manbetxulink结构阵列，以包含所描述的字段名称。

使用训练外的数据模拟模型，即训练中的数据radarReturnInput。

SIM（SimMdlName）;

由图可知它后处理模型所有观测中radarReturnInput一次一个。的预测标签X（351，:)是1它的正类分数是1.431。变量吹捧,你和svmlogsout出现在工作区中。你和svmlogsout是万博1manbetxSimulinkData.Dataset包含预测标签和分数的对象。有关更多细节，请参见数据格式为登录模拟数据（万博1manbetxSIMULINK）。

从仿真日志中提取仿真数据。

labelsSL = svmlogsout.getElement (1) .Values.Data;scoresSL = svmlogsout.getElement (2) .Values.Data;

labelsSL是预测标签的51乘1数字向量。labelsSL（J）=1表示SVM模型预测雷达回波j在未来的样品质量很好，和0否则意味着。scoresSL是阳性级分，即，从判定边界符号距离51×1数值向量。正分数对应的预测标签1，负的分数对应于预测的标签0。

使用以下命令行预测标签和阳性类分数预测。

[labelCMD, scoresCMD] =预测(Mdl ftrX);scoresCMD = scoresCMD (:, 2);

labelCMD和scoresCMD是相称labelsSL和scoresSL。

比较未来样本，积极类的分数返回slexSVMIonospherePredictExample给那些回电话的人预测在命令行。

err = sum((scoresCMD - scoresSL).^2);犯错< eps

ANS =逻辑1

两组分数之间偏差的平方和可以忽略不计。

如果你也有一个编码器的Simulink万博1manbetx™许可证，那么你就可以生成C代码slexSVMIonospherePredictExample.slx使用的万博1manbetxSimulink或命令行rtwbuild。有关更多细节，请参见生成C代码模型(万博1manbetx仿真软件编码器)。