火车分类模型

装载Fisher的Iris数据集。将标签转换为字符矩阵。

加载渔民物种= Char（物种）;

使用整个数据集列车分类树。

MDL = FITCTREE（MEAS，物种）;

MDL.是A.ClassificationTree模型。

使用Savelarnerforcoder.

将培训的分类树保存到名为的文件classtreeiris.mat.使用时在您当前的文件夹中Savelarnerforcoder.。

mdlname ='classtreeiris';SavelAlnerForCoder（MDL，MDLNAME）;

定义入口点函数

在您当前的文件夹中，定义命名的入口点函数mypredicttree。m这有以下内容：

您可以通过指定允许可选的名称 - 值对参数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mypredicttree。m％显示mypredicttree.m文件的内容

功能[标签，分数，节点，cnum] = mypredicttree（x，savedmdl，varargin）％＃codegen％mypredicttree使用分类树预测虹膜物种％mypredicttree预测虹膜物种在％n-by-4矩阵x中的n观察结果中预测虹膜物种存储在Mat文件％中的分类树，其名称为savedmdl，然后返回％数组标签中的预测。每行X包含虹膜的花瓣％和萼片的长度和宽度（参见渔场数据集）。对于其他输出％参数说明，请参阅预测参考页面。compactmdl = loadlearnerforcoder（savedmdl）;[标签，分数，节点，CNUM] =预测（CompactMDL，X，Varargin {：}）;结束

注意：如果单击此页面的右上角的按钮，请在MATLAB®中打开此示例，然后Matlab®打开示例文件夹。此文件夹包含入口点函数文件。

Generate Code

指定变量大小的参数

因为C和C ++是静态类型的语言，所以必须在编译时确定在入口点函数中的所有变量的属性使用- args.选择Codegen.。

采用编码器.Constant.（MATLAB编码器）指定编译时间常量输入。

编码器.Constant.(v)

编码器.Constant.(v)创造一个编码器.Constant.类型变量，其值是恒定的，与其相同V.，在代码生成期间。

采用Coder.typeof.（MATLAB编码器）指定变量大小的输入。

Coder.typeof.(example_value, size_vector, variable_dims)

价值example_value.那size_vector.，和变量_dims.specify the properties of the input array that the generated code can accept.

入口点函数mypredicttree接受预测器数据，包含培训的模型对象的MAT文件名，以及可选的名称值对参数。假设您要生成接受可变大小阵列的代码，用于预测数据和数据'Subtrees'name-value pair argument with a variable-size vector for its value. Then you have four input arguments: predictor data, the MAT-file name, and the name and value of the'Subtrees'名称值对参数。

Define a 4-by-1 cell array and assign each input argument type of the entry-point function to each cell.

args = cell（4,1​​）;

对于第一个输入，使用Coder.typeof.要指定预测器数据变量是双精度，具有与培训模型中使用的预测数据相同的列，但观察数（行）是任意的。

p = numel（mdl.predictornames）;args {1} = coder.typeof（0，[Inf，P]，[1,0]）;

0.for theexample_value.值意味着数据类型是双因为双是matlab的默认数字数据类型。[inf，p]for thesize_vector.价值和[1,0]for the变量_dims.值意味着第一维度的大小是可变的，并且无界限度，并且第二维的大小固定为P.。

该second input is the MAT-file name, which must be a compile-time constant. Use编码器.Constant.to specify the type of the second input.

args {2} = coder.constant（mdlname）;

该last two inputs are the name and value of the'Subtrees'名称值对参数。名称值对参数的名称必须是编译时常量。

args {3} = coder.constant（'Subtrees'）;

采用Coder.typeof.to specify that the value of'Subtrees'是双精度排矢量，行矢量尺寸的上限是max（mdl.prunedlist）。

m = max（mdl.pruneList）;args {4} = coder.typeof（0，[1，m]，[0,1]）;

再次，0.for theexample_value.值意味着数据类型是双因为双是matlab的默认数字数据类型。[1，m]for thesize_vector.价值和[0,1]for the变量_dims.值意味着第一维度的大小是固定的1，第二维度的大小是可变的，其上限是m。

Generate Code UsingCodegen.

从入口点函数生成MEX功能mypredicttreeusing the cell arrayargs.，其中包括输入参数类型mypredicttree。使用使用的输入参数类型- args.选项。使用使用的生成的入口点函数中的输出参数的数量-Nargout.选项。生成代码包括在入口点函数定义中发生的顺序中指定的输出参数数。

Codegen.mypredicttree-  args.args.-Nargout.2

Codegen.生成MEX函数mypredicttree_mex.使用当前文件夹中的平台依赖扩展名。

该P.redict函数接受单精度值，双精度值和'所有'for the'子树'名称值对参数。但是，当您使用MEX函数以进行预测时，您只能指定双重精度值，因为所以args {4}是双倍的。

验证生成的代码

预测使用生成的MEX函数和修剪级别的子树从训练数据中选择15个值的标签1.将标签与预测的那些相比P.redict。

rng('default'）;重复性的％Xnew = DataMple（Meas，15）;[labelmex，scoremex] = mypredicttree_mex（xnew，mdlname，'Subtrees'，1）;[LabelPredict，Scasspredict] =预测（MDL，Xnew，'Subtrees'，1）;LabelPredict.

labelpredict =15x10 char array.'virginica''virginica''setosa'''virminica'''versicolor'''setosa''''versicolor'''versicolor'''virminica''virginica''virginica'''''virginica''''virginica'''versicolor''virginica'''virginica''

LabelMex.

LabelMex.=15x1 cell{'virginica'} {'setosa'} {'versicolor'} {'versicolor'} {'setosa'} {'setosa'} {'versicolor'} {'versicolor'} {'virminica'} {'virginica'} {'virginica'}{'setosa'} {'virginica'} {'virginica'} {'versicolor'} {'virginica'}

该P.redicted labels are the same as the MEX function labels except for the data type. When the response data type ischarandCodegen.无法确定的价值子树是标量，然后生成的代码的输出是字符向量的小区数组。

对于比较，您可以转换标签预报到一个单元格阵列和使用是平等的。

cell_labelpredict = cellstr（labelpredict）;verifyLabel = Isequal（LabelMex，Cell_LabelPredict）

verifyLabel =.逻辑1

是平等的returns logical 1 (true），这意味着所有输入都是相等的。

比较第二个输出。scoremex.与...相比，可能包括圆截止差异记分额度。在这种情况下，比较scoremex.and记分额度，允许小容差。

找(abs(scorePREDICT-scoreMEX) > 1e-8)

ans = 0x1空双列向量

找如果元素明智的绝对差异，则返回空向量记分额度andscoremex.不大于指定的公差1E-8。比较证实了记分额度andscoremex.在宽容范围内相同1e–8。