该电离层数据集，其中包括在统计和机器学习工具箱™，包含雷达收益质量（ÿ）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。

加载电离层N = numel（Y）

N = 351

MATLAB函数块不能返回电池阵列。所以，响应变量转换成其元素是一个逻辑矢量1如果雷达回波是好的，0除此以外。

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）;

MDL是ClassificationSVM模型。在命令行，你可以使用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，然后将其保存在MAT文件SVMIonosphere.mat。

定义一个名为入口点函数svmIonospherePredict.m可以预测一个雷达回波是否是质量好。该函数应该：

功能[标号，得分= svmIonospherePredict（X）％＃代码生成％svmIonospherePredict使用SVM模型预测雷达收益质量％svmIonospherePredict预测标签和分类测算雷达回波的％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％对应于观察和列预测变量。标签％是预测的标签和得分的置信度％分类雷达收益质量良好。％％版权所有2016年MathWorks公司MDL = loadLearnerForCoder（'SVMIonosphere'）;[标号，bothscores] =预测（MDL，X）;得分= 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。

加载的Simuli万博1manbetxnk模型slexSVMIonospherePredictExample.slx。

SimMdlName ='slexSVMIonospherePredictExample';open_system（SimMdlName）;

该图显示的Simulink模型。万博1manbetx当输入节点检测到雷达回波，它指示将观测到MATLAB功能块调度到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®还加载数据集，它需要一个名为radarReturnInput。然而，这个例子说明了如何构建所需的数据集。

该模型期望接收输入数据作为称为结构阵列radarReturnInput包含这些字段：

创建用于将来的雷达回波适当的结构阵列。

radarReturnInput.time =（0:50）';radarReturnInput.signals（1）.values = ftrX;radarReturnInput.signals（1）.dimensions =尺寸（ftrX，2）;

你可以改变从名字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。

使用模拟训练举起手中的数据模型，即，在数据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和其正级得分1.431。变量兜售，YOUT和svmlogsout显示在工作区。YOUT和svmlogsout是万博1manbetxSimulinkData.Dataset包含预测的标签和对象的得分。有关详细信息，请参阅数据格式为登录模拟数据（万博1manbetxSIMULINK）。

摘自模拟日志的模拟数据。

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

labelsSL是预测标签的51×1数值向量。labelsSL（J）=1意味着该SVM模型预测，雷达回波Ĵ未来样品中具有良好的质量和0否则表示。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和负的分数对应于预测的标签0。

预测使用标签和正级分数在命令行预测。

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

labelCMD和scoresCMD是相称labelsSL和scoresSL。

通过比较返回的未来样品，阳性级分slexSVMIonospherePredictExample这些返回调用预测在命令行。

ERR =总和（（scoresCMD  -  scoresSL）^ 2）;ERR 
              

ANS =逻辑1

该套分数之间的偏差平方和的总和是可以忽略不计。

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。有关详细信息，请参阅生成C代码模型（万博1manbetx编码器的Simulink）。