ClassificationECOCCoderConfigurer
バイナリ学習器を使用するマルチクラスモデルのコーダーコンフィギュアラー
説明
ClassificationECOCCoderConfigurerオブジェクトは,サポートベクターマシン(SVM)または線形バイナリ学習器を使用するマルチクラス誤り訂正出力符号(ECOC)分類モデル(ClassificationECOC? ?CompactClassificationECOC)。
コーダーコンフィギュアラーには,コード生成オプションの設定,C / c++コードの生成,および生成されたコード内のモデルパラメーターの更新を行うための便利な機能があります。
コード生成オプションを設定し,オブジェクトのプロパティを使用してモデルパラメーターのコーダー属性を指定します。
generateCode【中文翻译预测?更新に対してC / c++コードを生成します。C/ c++MATLAB®编码器™? ? ? ?。この機能により,新しいデータまたは設定でモデルに再学習をさせるときに,C / c++コードの再生成,再展開および再確認に必要な作業が低減されます。モデルパラメーターを更新する前に,
validatedUpdateInputs。
。
マルチクラスECOC分類モデルのコード生成に関する使用上の注意および制限については,CompactClassificationECOC、预测?更新“”。
作成
fitcecocを使用してSVMまたは線形バイナリ学習器が含まれているマルチクラスECOC分類モデルに学習をさせた後で,learnerCoderConfigurer。コーダーコンフィギュアラーのプロパティを使用して,预测?更新。★★★★generateCodeを使用して,指定したコーダー属性に基づくC / c++コードを生成します。
プロパティ
预测中文:
この節に記載されているプロパティは,生成されるコードにおける関数预测。
X- - - - - -予測子データのコーダー属性
LearnerCoderInputオブジェクト
【中文翻译预测。LearnerCoderInput。
関数learnerCoderConfigurerを使用してコーダーコンフィギュアラーを作成する場合,入力引数XはLearnerCoderInput。
SizeVector-X这是我的最爱。ClassificationECOCCoderConfigurerのObservationsInプロパティの价值水晶石“行”★★★★★★★SizeVector?[n p]啊哈!……n【中文翻译】p【中文翻译】ClassificationECOCCoderConfigurerのObservationsInプロパティの价值水晶石“列”★★★★★★★SizeVector?[p n]啊哈!
SizeVector(1)、(2)、[n p]を[p n]【中文翻译】ClassificationECOCCoderConfigurerのObservationsInプロパティの价值整整整整，整整齐齐。SizeVector★★★★★★★★★★★★★★★VariableDimensions-有[0 0]啊哈!★★★★SizeVector。SizeVector> >[n p]【中文翻译[1 0]【翻译】[p n]? ?[0 1]。★★★★配列の行が可変サイズ、列が固定サイズであることを示します。たとえば、[1 0]は,SizeVector1 .中文:n)、SizeVector2 .中文:p)(中文:)数据类型- > > >单? ?双啊哈!既定のデータ型は,入力X。可调谐性c / c++预测に必ず予測子データを入力として含めることを意味する真正的。
。，3.つの予測子変数 (列) に対する 100 個の観測値 (行) が含まれている予測子データを受け入れる C/C++ コードを生成するには、次のようにコーダー コンフィギュアラー配置のX。
configuration . x . sizevector = [1003];configurer.X.DataType =“双”;configuration . x . variabledimensions = [0 0];
[0 0]は,Xの1番目および2番目の次元(それぞれ観測値の個数と予測子変数の個数)が固定サイズであることを示します。
生成されるC / c++コードが,最大100個の観測値がある予測子データを受け入れるようにするには,次のようにX。
configuration . x . sizevector = [1003];configurer.X.DataType =“双”;configuration . x . variabledimensions = [10];
[1 0]は,X★★★★★★★★★★★★★★★★X2 .。指定した観測値の個数(この例では100)は,生成されるC / c++コードで許容される観測値の最大数になります。你知道吗?你知道吗?你知道吗正? ? ? ?
BinaryLoss- - - - - -バイナリ学習器の損失関数のコーダー属性
EnumeratedInputオブジェクト
バイナリ学習器の損失関数(预测【中文译文“BinaryLoss”)。EnumeratedInput。
EnumeratedInputオブジェクトの既定の属性値は,次のように関数预测。
价值-。BuiltInOptions。バイナリ学習器がSVMであるか,SVM学習器の線形分類モデルである場合,既定の値は“枢纽”啊哈!バイナリ学習器がロジスティック回帰学習器の線形分類モデルである場合,既定の値は“二次”啊哈!カスタムオプションを使用するには,MATLABの検索パス上でカスタム関数を定義し,カスタム関数の名前として
价值? ? ? ?SelectedOption- > > >“内置”(中文“自定义”啊哈!SelectedOptionは价值。。BuiltInOptions- - - - - -“汉明”、“线性”、“二次”、“指数”、“binodeviance”、“枢纽”?分对数的细胞。。IsConstant- > > >真正的。可调谐性-有假啊哈!可调谐性が假である場合に他の属性値を指定すると,可调谐性は真正的? ? ? ? ?
解码- - - - - -復号化方式のコーダー属性
EnumeratedInputオブジェクト
復号化方式 (预测【中文译文“解码”)。EnumeratedInput。
EnumeratedInputオブジェクトの既定の属性値は,次のように関数预测。
价值- - - - - -“lossweighted”(既定)、“lossbased”，“”LearnerCoderInput。IsConstantを假に設定した場合,以下の読み取り専用コーダー属性値を使用して价值がLearnerCoderInput。SizeVector- - - - - -12 [1]VariableDimensions- - - - - -[0 1]数据类型- - - - - -“字符”可调谐性- 1
中文:中文:中文:中文:中文:中文:中文:中文:中文:
“lossweighted”? ?“lossbased”? ? ? ?SelectedOption- > > >“内置”(中文“非常数的”啊哈!SelectedOptionは价值。。BuiltInOptions- - - - - -“lossweighted”と“lossbased”细胞。。IsConstant-有真正的啊哈!> >假【中文翻译】价值がLearnerCoderInput。可调谐性-有假啊哈!可调谐性が假である場合に他の属性値を指定すると,可调谐性は真正的? ? ? ? ?
ObservationsIn- - - - - -予測子データにおける観測値の次元のコーダー属性
EnumeratedInputオブジェクト
予測子データにおける観測値の次元(预测【中文译文“ObservationsIn”)。EnumeratedInput。
関数learnerCoderConfigurer，“ObservationsIn”【中文译文EnumeratedInput。
价值-，“行”? ?“列”> > > > >コーダーコンフィギュアラーを作成する際に“ObservationsIn”★★★★★★★★★★“行”啊哈!支持向量机(SVM)
“行”。SelectedOption-“内置”啊哈!。BuiltInOptions- - - - - -“行”と“列”细胞。。IsConstant- > > >真正的。可调谐性- - - - - -コーダーコンフィギュアラーを作成する際に“ObservationsIn”、“行”★★★★★★★★★★假，“ObservationsIn”、“列”? ? ? ?真正的啊哈!可调谐性を假に設定する場合,ソフトウェアは价值を“行”? ? ? ? ?可调谐性が假である場合に他の属性値を指定すると,可调谐性は真正的? ? ? ? ?
NumOutputs- - - - - -预测【中文译文
1(既定値) |2|3.
【中文翻译预测。1、2または3を指定します。
预测(1)、(2)标签()NegLoss()，PBScore(◆◆◆)c / c++预测【中文】预测【翻译】n我非常喜欢你。nはNumOutputs我的意思是。
コーダーコンフィギュアラー配置。
配置。NumOutputs= 2;
NumOutputsプロパティは,codegen(MATLAB编码器)のコンパイラオプション“-nargout”? ? ?。オブジェクト関数generateCode【中文翻译预测?更新? ?predict.m?update.mという2つのエントリポイント関数をそれぞれ生成し,この2つのエントリポイント関数に対してC / c++コードを生成します。NumOutputsプロパティについて指定した値は,エントリポイント関数predict.m【中文翻译】
;双
更新中文:
この節に記載されているプロパティは,生成されるコードにおける関数更新。関数更新は,学習済みモデルと新しいモデルパラメーターを入力引数として受け入れ,新しいパラメーターが含まれている更新されたバージョンのモデルを返します。生成コード内のパラメーターを更新できるようにするには,コード生成の前にパラメーターのコーダー属性を指定する必要があります。，LearnerCoderInput。【中文】:learnerCoderConfigurer【中文译文Mdl。
BinaryLearners- - - - - -学習済みバイナリ学習器のコーダー属性
ClassificationSVMCoderConfigurerオブジェクト|ClassificationLinearCoderConfigurerオブジェクト
【中文翻译BinaryLearners)。ClassificationSVMCoderConfigurerオブジェクト(SVMバイナリ学習器の場合)またはClassificationLinearCoderConfigurer。
支持向量机(SVM)，支持向量机(SVM)，支持向量机更新。
BinaryLearners【中文翻译】更新。
SVMバイナリ学習器をもつECOCモデルを学習させる場合,各学習器には,異なる個数のサポートベクターを含めることができます。★★★★★★★★★★★★★★learnerCoderConfigurer【中文译文Mdl> > > >α、万博1manbetxSupportVectorLabels?万博1manbetxSupportVectors> > > >LearnerCoderInput。
SizeVectorαと万博1manbetxSupportVectorLabels【中文翻译[s 1]啊哈!年代。万博1manbetxSupportVectors【中文翻译(s p)啊哈!p★★★★★
VariableDimensions- > > >[0 0]? ?[1 0]啊哈!各学習器でサポートベクターの個数が同じである場合,既定値は[0 0]啊哈!★★★★★★★★★[1 0]。[0 0]は,SizeVector。[1 0]。【中文】SizeVector★★★★★★★★★★SizeVector(2)、(2)、(2)、(2)。
数据类型- > > >“单一”? ?“双”啊哈!;Mdl。可调谐性-β)假。★★★★★★★★★真正的。
他の更新★★★★★★★★★★★ClassificationSVMCoderConfigurerの更新中文:?ClassificationLinearCoderConfigurerの更新中文:。
成本- - - - - -誤分類コストのコーダー属性
LearnerCoderInputオブジェクト
中文:成本)。LearnerCoderInput。
LearnerCoderInputオブジェクトの既定の属性値は,learnerCoderConfigurer【中文译文Mdlに基づきます。
SizeVector- > > >(c c)。c【中文翻译】VariableDimensions- > >SizeVectorの指定に従って配列サイズを固定することを示す[0 0]。数据类型- > > >“单一”? ?“双”啊哈!;Mdl。可调谐性-有真正的啊哈!
之前- - - - - -事前確率のコーダー属性
LearnerCoderInputオブジェクト
【翻译之前)。LearnerCoderInput。
LearnerCoderInputオブジェクトの既定の属性値は,learnerCoderConfigurer【中文译文Mdlに基づきます。
SizeVector- > > >(1 c)。c【中文翻译】VariableDimensions- > >SizeVectorの指定に従って配列サイズを固定することを示す[0 0]。数据类型- > > >“单一”? ?“双”啊哈!;Mdl。可调谐性-有真正的啊哈!
他のコンフィギュアラーのオプション
OutputFileName- - - - - -c / c++
“ClassificationECOCModel”(既定値) |【中文译文
c / c++。中文:中文:中文:
ClassificationECOCCoderConfigurerのオブジェクト関数generateCodeは,このファイル名を使用してC / c++コードを生成します。
オペレーティングシステムの構成によってはコード生成に失敗する可能性があるので,ファイル名には空白を含めないでください。matlab; matlab; matlab;
コーダーコンフィギュアラー配置。
配置。OutputFileName =“myModel”;
;字符
详细的- - - - - -我的意思是
真正的(逻辑1)(既定値) |假(逻辑0)
我的意思是。真正的(合乎逻辑的)假(逻辑0)。我的意思是は,コマンド ラインにおける通知メッセージの表示を制御します。
| 値 | 説明 |
|---|---|
真正的(逻辑1) |
パラメーターのコーダー属性に対する変更によって他の従属するパラメーターが変化する場合,通知メッセージが表示されます。 |
假(逻辑0) |
“”“”“”“”“” |
生成コード内の機械学習のモデルパラメーターを更新できるようにするには,コード生成の前にパラメーターのコーダー属性を構成する必要があります。。コーダーコンフィギュアラーを使用してパラメーターのコーダー属性を変更するときに、構成の制約を満たすために他の従属するパラメーターも変更する必要がある場合、従属するパラメーターのコーダー属性が変更されます。詳細レベルは、これらの引き続いて起きた変更についてメッセージを表示するかどうかを決定します。
コーダーコンフィギュアラー配置。
配置。详细的= false;
;逻辑
コード生成のカスタマイズのオプション
コード生成ワークフローをカスタマイズするには,関数generateCode【中文翻译generateFiles3 .codegen(MATLAB编码器)我不知道。
関数generateFilesを使用して2つのエントリポイント関数ファイル(predict.m?update.m)を生成した後で,独自のコード生成ワークフローに従って,これらのファイルを変更できます。，predict.mファイルを変更してデータの前処理を含めたり,これらのエントリポイント関数を別のコード生成プロジェクトに追加したりできます。★★★★★★codegenと,変更したエントリポイント関数またはコード生成プロジェクトに適したcodegen(MATLAB编码器)の引数とを使用してC / c++コードを生成できます。引数codegen3 .。
CodeGenerationArguments- - - - - -codegen中文:
Cell面板
。
codegen(MATLAB编码器)【翻译】cell 配列を指定します。
。ワークフローをカスタマイズする必要がない場合は関数generateCode我不知道。
generateCodeをコーダーコンフィギュアラー配置に対して使用する代わりに,次のようにしてC / c++コードを生成できます。
generateFiles(configer) cgArgs = configuration . codegenerationarguments;codegen (cgArgs {}):
codegen这是我的最爱cgArgs? ? ?
配置の他のプロパティを変更すると,それに従ってCodeGenerationArguments。
;细胞
PredictInputs- - - - - -预测の調整可能な入力引数のリスト
Cell面板
。
コード生成用のエントリポイント関数predict.m。Cell面板∕∕∕∕指定します。この cell 配列には、编码器。PrimitiveType(MATLAB编码器)オブジェクトと编码器。常数(MATLAB编码器)。
预测中文:。可调谐性整整整整假を指定した場合,対応するオブジェクトがPredictInputs★★★★★★★★
PredictInputsの细胞配列は,コーダーコンフィギュアラー配置の配置。CodeGenerationArguments {6}? ? ?
;细胞
UpdateInputs- - - - - -更新の調整可能な入力引数のリスト
Cell面板
。
コード生成用のエントリポイント関数update.m。细胞。【翻译】BinaryLearners> > >编码器。CellType(MATLAB编码器)【翻译】成本と之前> > >编码器。PrimitiveType(MATLAB编码器)。
更新中文:。可调谐性整整整整假を指定した場合,対応するオブジェクトがUpdateInputs★★★★★★★★
UpdateInputsの構造体は,コーダーコンフィギュアラー配置の配置。CodeGenerationArguments {3}? ? ?
;细胞
オブジェクト関数
generateCode |
コーダーコンフィギュアラーの使用によるC / c++コードの生成 |
generateFiles |
コーダーコンフィギュアラーを使用するコード生成用MATLAB【翻译 |
validatedUpdateInputs |
更新する機械学習モデルのパラメーターの検証および抽出 |
例
コーダーコンフィギュアラーの使用によるコードの生成
機械学習モデルに学習させてから,コーダーコンフィギュアラーを使用して,このモデルの関数预测?更新。
フィッシャーのアヤメのデータセットを読み込み,SVMバイナリ学習器を使用するマルチクラスECOCモデルに学習をさせます。
负载fisheririsX =平均值;Y =物种;Mdl = fitcecoc(X,Y);
Mdlは,ClassificationECOC。
learnerCoderConfigurer【翻译】ClassificationECOC。予測子データX? ? ? ?関数learnerCoderConfigurer? ?X【中文译文预测。
configurer = learnerCoderConfigurer(Mdl,X)
configurer = ClassificationECOCCoderConfigurer与属性:更新输入:BinaryLearners: [1x1 ClassificationSVMCoderConfigurer]先验:[1x1 LearnerCoderInput]成本:[1x1 LearnerCoderInput]预测输入:X: [1x1 LearnerCoderInput]代码生成参数:NumOutputs: 1 OutputFileName: 'ClassificationECOCModel'属性，方法
配置は,ClassificationECOCオブジェクトのコーダーコンフィギュアラーであるClassificationECOCCoderConfigurer。
C / c++コードを生成するには,適切に設定されているC / c++コンパイラにアクセスできなければなりません。MATLAB编码器，。墨西哥人设置。通俗地说，既定のコンパイラの変更。
中文:http://geoc.org.cn/cn/Mdl);预测?更新。
generateCode(配置)
generateCode在输出文件夹中创建这些文件:米”、“预测。米”、“更新。米”、“ClassificationECOCModel。代码生成成功。
関数generateCode对，对，对。
。> > >
Mdl\ n \ n预测?更新2、predict.m?update.m。2、
ClassificationECOCModel这句话的意思是:墨西哥，
codegen \墨西哥人\ ClassificationECOCModel。墨西哥:。
関数类型【翻译】predict.m、update.m?initialize.m【翻译】
类型predict.m
函数varargout = predict(X,varargin) %#codegen %由MATLAB自动生成，25-Jan-2022 08:28:56 [varargout{1: narargout}] = initialize('predict'，X,varargin{:});结束
类型update.m
函数update('update'，varargin{:}) %#codegen %由MATLAB自动生成，25 jan -2022 08:28:56结束
类型initialize.m
函数[varargout] = initialize(command,varargin) %#codegen %由MATLAB自动生成，2022年1月25日08:28:56 coder.inline('always')持久模型如果isempty(model) model = loadLearnerForCoder('ClassificationECOCModel.mat');end switch(command) case 'update' %更新struct字段:BinaryLearners % Prior % Cost model = update(model,varargin{:});case 'predict' %预测输入:X X = varargin{1};如果nargin == 2 [varargout{1: narargout}] = predict(model,X);else pv = cell(1,nargin-2);对于i = 1:nargin-2 PVPairs{1,i} = varargin{i+1};end [varargout{1: narargout}] = predict(model,X,PVPairs{:});结束结束结束
生成されたコードにおけるECOC分類モデルのパラメーターの更新
SVMバイナリ学習器を使用する誤り訂正出力符号(ECOC)モデルに学習をさせ,このモデルのコーダーコンフィギュアラーを作成します。コーダーコンフィギュアラーのプロパティを使用して,ECOCモデルのパラメーターのコーダー属性を指定します。コーダーコンフィギュアラーのオブジェクト関数【翻译】新しい予測子データについてラベルを予測する C コードを生成します。その後、異なる設定を使用してモデルに再学習をさせ、コードを再生成せずに、生成されたコードのパラメーターを更新します。
英文翻译
。
负载fisheririsX =平均值;Y =物种;
ガウスカーネル関数を使用し,予測子データを標準化する,SVMバイナリ学習器テンプレートを作成します。
t = templateSVM(“KernelFunction”，“高斯”，“标准化”,真正的);
テンプレートt。
Mdl = fitcecoc(X,Y，“学习者”t);
Mdlは,ClassificationECOC。
コーダーコンフィギュアラーの作成
learnerCoderConfigurer【翻译】ClassificationECOC。予測子データX? ? ? ?関数learnerCoderConfigurer? ?X【中文译文预测。啊哈，出力の個数を 2 に設定して、生成されるコードが関数预测(。
configurer = learnerCoderConfigurer(Mdl,X，“NumOutputs”, 2)
configurer = ClassificationECOCCoderConfigurer与属性:更新输入:BinaryLearners: [1x1 ClassificationSVMCoderConfigurer]先验:[1x1 LearnerCoderInput]成本:[1x1 LearnerCoderInput]预测输入:X: [1x1 LearnerCoderInput]代码生成参数:NumOutputs: 2 OutputFileName: 'ClassificationECOCModel'属性，方法
配置は,ClassificationECOCオブジェクトのコーダーコンフィギュアラーであるClassificationECOCCoderConfigurer。【中文】预测と更新★★★★★★X、BinaryLearners、之前?成本★★★★★★
パラメーターのコーダー属性の指定
预测の引数(予測子データと名前と値のペアの引数“解码”?“BinaryLoss”)と更新の引数(SVM学習器のサポートベクター)のコーダー属性を指定して,生成されるコードでこれらの引数を预测と更新。
はじめに,生成されたコードが任意の個数の観測値を受け入れるように,X。属性SizeVector?VariableDimensions? ? ?属性SizeVectorは,予測子データのサイズの上限を指定し,属性VariableDimensions。
configuration . x . sizevector = [Inf];configuration . x . variabledimensions = [true false];
1番目の次元のサイズは,観測値の個数です。★★★★★★★★★★正★★★★★★★★★X。。
2番目の次元のサイズは,予測子変数の個数です。(1)、(1)、(1)、(1)、(1)、(1)、(1)、(1)、(1)、(2)、(3)X★★★★★★★★★★★★★SizeVector4、VariableDimensions2‰‰假。
次に,生成されるコードで名前と値のペアの引数“BinaryLoss”?“解码”中文:中文:BinaryLossと解码。BinaryLoss。
配置。BinaryLoss
ans = EnumeratedInput属性:值:'hinge' SelectedOption: 'Built-in' BuiltInOptions: {1x7 cell} IsConstant: 1可调性:0
生成されるコードで既定以外の値を使用するには,コードを生成する前に値を指定しなければなりません。BinaryLossの价值整整整整“指数”? ? ? ?
configurer.BinaryLoss.Value =“指数”;配置。BinaryLoss
ans = EnumeratedInput与属性:值:'指数' SelectedOption: '内置' BuiltInOptions: {1x7 cell} IsConstant: 1可调性:1
可调谐性が假(逻辑0)，(逻辑0)，可调谐性は真正的(逻辑上的1)。
解码。
配置。解码
ans = EnumeratedInput与属性:值:' lossweights ' SelectedOption: 'Built-in' BuiltInOptions: {' lossweights ' 'lossbased'} IsConstant: 1可调性:0
生成されるコードでBuiltInOptions★★★★★★★★★★★★★★★★★★★★★解码のIsConstant整整整整假? ? ? ?
configuration . decoding . isconstant = false;配置。解码
ans = EnumeratedInput与属性:值:[1x1 LearnerCoderInput] SelectedOption: 'NonConstant' BuiltInOptions: {'loss - weighting ' 'loss - based'} IsConstant: 0可调性:1
解码の价值水晶石LearnerCoderInputオブジェクトに変更されるので,“lossweighted”と“lossbased’“解码”★★★★★啊哈，SelectedOptionが“非常数的”に,可调谐性が真正的? ? ? ? ?
【中文】BinaryLearnersの万博1manbetxSupportVectors。万博1manbetxSupportVectors。
configurer.BinaryLearners.万博1manbetxSupportVectors
ans = LearnerCoderInput with properties: SizeVector: [554] VariableDimensions: [10] DataType: 'double'可调性:1
，VariableDimensions我是说(真假)啊哈!新しいデータまたは異なる設定を使用してECOCモデルに再学習をさせた場合,SVM学習器のサポートベクターの個数が変化する可能性があります。。
configuration . binarylear万博1manbetxners . supportvectors . sizevector = [1504];
Alpha的SizeVector属性已被修改以满足配置约束。SupportVectorLabels的SizeV万博1manbetxector属性已被修改以满足配置约束。
万博1manbetxSupportVectors，α?万博1manbetxSupportVectorLabels。あるパラメーターのコーダー属性の変更によって構成の制約を満たすために他の従属パラメーターの変更が必要になる場合,従属パラメーターのコーダー属性は変更されます。
。
配置
configurer = ClassificationECOCCoderConfigurer与属性:更新输入:BinaryLearners: [1x1 ClassificationSVMCoderConfigurer]先验:[1x1 LearnerCoderInput]成本:[1x1 LearnerCoderInput]预测输入:X: [1x1 LearnerCoderInput] BinaryLoss: [1x1 EnumeratedInput]解码:[1x1 EnumeratedInput]代码生成参数:NumOutputs: 2 OutputFileName: 'ClassificationECOCModel'属性，方法
BinaryLossと解码。
コードの生成
C / c++コードを生成するには,適切に設定されているC / c++コンパイラにアクセスできなければなりません。MATLAB编码器，。墨西哥人设置。通俗地说，既定のコンパイラの変更。
Ecoc ?Mdl);预测?更新。
generateCode(配置)
generateCode在输出文件夹中创建这些文件:米”、“预测。米”、“更新。米”、“ClassificationECOCModel。代码生成成功。
関数generateCode对，对，对。
。> > >
Mdl\ n \ n预测?更新2、predict.m?update.m。2、
ClassificationECOCModel这句话的意思是:墨西哥，
codegen \墨西哥人\ ClassificationECOCModel。墨西哥:。
生成されたコードの確認
★★★★★Mdl\ n \ n预测【中文译文预测★★★★★★★★★★★★★★★複数のエントリポイントがある墨西哥人関数内のエントリポイント関数を呼び出すため,1番目の入力引数として関数名を指定します。コードを生成する前にIsConstant【中文】“解码”■■■■■■■■■■■■■■“lossweighted”は“解码”。
[label,NegLoss] =预测(Mdl,X，)“BinaryLoss”，“指数”);[label_mex, neglo_mex] = ClassificationECOCModel()“预测”, X,“BinaryLoss”，“指数”，“解码”，“lossweighted”);
isequal【翻译】标签とlabel_mex英文怎么说?
label_mex isequal(标签)
ans =逻辑1
★★★★★★★★★isequal逻辑1 (真正的) ? ?【中文翻译Mdl\ n \ n预测【中文译文预测★★★★★★★★
NegLoss【中文】NegLoss_mex。★★★★★★★★★★NegLoss_mexとNegLoss英文怎么说?
查找(abs(negloss - neglo_mex) > 1e-8)
Ans = 0x1空双列向量
★★★★★★1 e-8内でNegLossとNegLoss_mex★★★★★★★
モデルの再学習と生成コード内のパラメーターの更新
。ヒューリスティック手法を使用して適切なスケール係数が選択されるようにするため,“KernelScale”∕∕∕∕“汽车”? ? ? ?
t_new = templateSVM(“KernelFunction”，“高斯”，“标准化”,真的,“KernelScale”，“汽车”);retrainedMdl = fitcecoc(X,Y，“学习者”, t_new);
validatedUpdateInputs。【中文】retrainedMdl内の修正されたモデルパラメーターを判別し,修正されたパラメーター値がパラメーターのコーダー属性を満たすかどうかを検証します。
params = validatedUpdateInputs(配置器，retrainedMdl);
。
ClassificationECOCModel (“更新”params)
生成されたコードの確認
retrainedMdl\ n \ n预测【中文翻译预测(中文)
[label,NegLoss] = predict(retrainedMdl,X，)“BinaryLoss”，“指数”，“解码”，“lossbased”);[label_mex, neglo_mex] = ClassificationECOCModel()“预测”, X,“BinaryLoss”，“指数”，“解码”，“lossbased”);label_mex isequal(标签)
ans =逻辑1
查找(abs(negloss - neglo_mex) > 1e-8)
Ans = 0x1空双列向量
【中文】标签とlabel_mex?NegLossとNegLoss_mex★★★★★★★★★★
詳細
LearnerCoderInputオブジェクト
，LearnerCoderInputオブジェクトを使用して预测?更新。
LearnerCoderInputオブジェクトには,生成されるコードにおける入力引数配列のプロパティを指定するための属性として,次のようなものがあります。
| 属性名 | 説明 |
|---|---|
SizeVector |
中文: 中文: |
VariableDimensions |
。
|
数据类型 |
这是我的梦想 |
可调谐性 |
生成されるコードで引数を入力として
|
。たとえば,コーダーコンフィギュアラー配置のBinaryLearners【翻译α。
configuration . binarylearners . alpha . sizevector = [1001];configuration . binarylearners . alpha . variabledimensions = [10];configurer.BinaryLearners.Alpha.DataType =“双”;
详细的) > >真正的(既定)を指定した場合,機械学習モデルのパラメーターのコーダー属性を変更することによって他の従属するパラメーターのコーダー属性が変化すると,通知メッセージが表示されます。
EnumeratedInputオブジェクト
，EnumeratedInputオブジェクトを使用して,有限個の使用可能な値がある预测。
EnumeratedInputオブジェクトには,生成されるコードにおける入力引数配列のプロパティを指定するための属性として,次のようなものがあります。
| 属性名 | 説明 |
|---|---|
价值 |
生成されるコードにおける
|
SelectedOption |
。
。 |
BuiltInOptions |
中文: 。 |
IsConstant |
生成されるコードで配列の値がコンパイル時の定数( > > |
可调谐性 |
生成されるコードで引数を入力として
|
。たとえば,コーダーコンフィギュアラー配置のBinaryLoss。
configurer.BinaryLoss.Value =“线性”;
バージョン履歴
R2019a
Matlab
。
。WebブラウザーはMATLABコマンドをサポートしていません。
你亦可选择下列网址:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。