モデルの学習

フィッシャーのアヤメのデータセットを読み込みます。観測されたsetosa種のアヤメをすべて削除して,2つのクラスのデータのみがXとYに含まれるようにします。

负载fisheriris第1 = ~ strcmp(物种,“setosa”）;X =量(第1:);Y =物种(第1);

処理済みのデータセットを使用して,サポートベクターマシン(SVM)分類モデルに学習をさせます。

Mdl = fitcsvm (X, Y);

MdlはClassificationSVMモデルです。

モデルの保存

saveLearnerForCoderを使用して,支持向量机分類モデルをSVMIris.matというファイルに保存します。

saveLearnerForCoder (Mdl“SVMIris”）;

エントリポイント関数の定義

以下を行うclassifyIrisという名前のエントリポイント関数を定義します。

类型classifyIris.m%显示虹膜分类内容。m文件

% classifyIris使用文件SVMIris中的SVM %模型对X中的鸢尾花进行分类。Mat，然后返回label中的类标签。Mdl = loadLearnerForCoder(“SVMIris”);标签=预测(Mdl X);结束

MATLABのアルゴリズムについてのコードを生成しようとしていることを指示するため,コンパイラ命令% # codegen(またはプラグマ)をエントリポイント関数のシグネチャの後に追加します。この命令を追加すると,MATLAB代码分析器はコード生成時にエラーになる違反の診断と修正を支援します。

メモ:この例の右上にあるボタンをクリックしてこの例をMATLAB®で開くと,例のフォルダーが開きます。このフォルダーには,エントリポイント関数のファイルが含まれています。

コードの生成

codegen(MATLAB编码器)を使用して,エントリポイント関数のコードを生成します。Cおよびc++は静的な型の言語なので,エントリポイント関数内のすべての変数のプロパティをコンパイル時に決定しなければなりません。arg游戏オプションの値としてXを渡し,生成コードが学習データXと同じデータ型および配列サイズをもつ入力を受け入れなければならないことを指定します。コンパイル時に観測値の個数が不明である場合,coder.typeof(MATLAB编码器)を使用して可変サイズの入力を指定することもできます。詳細は,コード生成用の可変サイズ引数の指定とエントリポイント関数の入力のプロパティの指定(MATLAB编码器)を参照してください。

codegenclassifyIrisarg游戏{X}

代码生成成功。

codegenは,プラットフォームに依存する拡張子をもつ墨西哥人関数classifyIris_mexを生成します。

生成されたコードの確認

预测、classifyIrisおよびclassifyIris_mexを使用して分類されたラベルを比較します。

label1 =预测(Mdl X);label2 = classifyIris (X);label3 = classifyIris_mex (X);verify_label = isequal (label1 label2 label3)

verify_label =逻辑1

isequalは,すべての入力が等しいことを意味する逻辑1(真正的)を返します。3つの方法で分類したラベルは,すべて同じです。

モデルの学習

电离层データセットを読み込み,バイナリSVM分類モデルに学習をさせます。

负载电离层Mdl = fitcsvm (X, Y,“KernelFunction”，“高斯”）;

MdlはClassificationSVMモデルです。

モデルの保存

saveLearnerForCoderを使用して,支持向量机分類モデルをmyMdl.matというファイルに保存します。

saveLearnerForCoder (Mdl“myMdl”）;

固定小数点データ型の定義

generateLearnerDataTypeFcnを使用して,SVMモデルの予測に必要な変数の固定小数点データ型を定義する関数を生成します。

generateLearnerDataTypeFcn (“myMdl”, X)

generateLearnerDataTypeFcnは関数myMdl_datatypeを生成します。

myMdl_datatypeを使用して,固定小数点データ型を定義する構造体Tを作成します。

T = myMdl_datatype (“固定”）

T =结构体字段:XDataType: [0 x0嵌入。fi] ScoreDataType: [0x0 embedded.fi] InnerProductDataType: [0x0 embedded.fi]

構造体Tには,関数预测の実行に必要な名前付きの内部変数に対するフィールドが含まれています。各フィールドには,fi(定点设计师)で返される固定小数点オブジェクトが含まれています。固定小数点オブジェクトは,語長や小数部の長さなどの固定小数点データ型のプロパティを指定します。たとえば,予測子データの固定小数点データ型プロパティを表示します。

T.XDataType

ans = [] DataTypeMode: Fixed-point: binary point scaling Signedness: Signed WordLength: 16 FractionLength: 14 RoundingMethod: Floor OverflowAction: Wrap ProductMode: FullPrecision MaxProductWordLength: 128 SumMode: FullPrecision MaxSumWordLength: 128

エントリポイント関数の定義

以下を行うmyFixedPointPredictという名前のエントリポイント関数を定義します。

类型myFixedPointPredict.m显示myFixedPointPredict的内容。m文件

function [label,score] = myFixedPointPredict(X,T) %#codegen Mdl = loadLearnerForCoder('myMdl'，'DataType'，T);(标签,分数)=预测(Mdl X);结束

メモ:この例の右上にあるボタンをクリックしてMATLAB®で例を開くと,MATLABは例のフォルダーを開きます。このフォルダーには,エントリポイント関数のファイルが含まれています。

コードの生成

構造体TのXDataTypeフィールドは予測子データの固定小数点データ型を指定します。関数投(定点设计师)を使用してXをT.XDataTypeで指定された型に変換します。

X_fx =投(X,“喜欢”, T.XDataType);

codegenを使用して,エントリポイント関数のコードを生成します。X_fxと定数畳み込みされたTをエントリポイント関数の入力引数として指定します。

codegenmyFixedPointPredictarg游戏{X_fx, coder.Constant (T)}

代码生成成功。

codegenは,プラットフォームに依存する拡張子をもつ墨西哥人関数myFixedPointPredict_mexを生成します。

生成されたコードの確認

予測子データを预测とmyFixedPointPredict_mexに渡し,出力を比較します。

(标签、分数)=预测(Mdl X);[labels_fx, scores_fx] = myFixedPointPredict_mex (X_fx T);

预测とmyFixedPointPredict_mexからの出力を比較します。

labels_fx verify_labels = isequal(标签)

verify_labels =逻辑1

isequalは、逻辑1(真正的)を返します。これは标签とlabels_fxが等しいことを意味します。ラベルが等しくない場合,不正に分類されたラベルの割合を次のように計算できます。

sum (strcmp (labels_fx、标签)= = 0)/元素个数(labels_fx) * 100

ans = 0

スコア出力間の相対的な差分の最大値を求めます。

relDiff_scores = max (abs (scores_fx.double(: 1)分数(:1))。/分数(:1)))

relDiff_scores = 0.0055

比較結果に満足せず,生成されたコードの精度を向上させる場合,固定小数点データ型を調整し,コードを再生成できます。詳細については,generateLearnerDataTypeFcnのヒント、データ型関数およびSVMの予測用の固定小数点コード生成を参照してください。