MATLAB®编码器™从支持代码生成的统计和机器学习工具箱函数中生成可读和可移植的C和c++代码。万博1manbetx例如,通过使用代码生成将训练有素的支持向量机(SVM)分类模型部署到设备上,可以对无法运行MATLAB的硬件设备上的新观察结果进行分类。万博1manbetx
您可以通过几种方式为统计和机器学习工具箱函数生成C/ c++代码。
目标函数的代码生成(预测
,随机
,knnsearch
,或rangesearch
)的机器学习模式-使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
。通过使用保存一个训练好的模型saveLearnerForCoder
。定义一个入口点函数,使用以下命令加载保存的模型loadLearnerForCoder
并调用对象函数。然后使用codegen
为入口点函数生成代码。
的代码生成预测
和更新
树模型的功能,支持向量机模型,线性模型,或使用支持向量机或线性二进制学习器的多类纠错输出码(ECOC)分类模型learnerCoderConfigurer
然后通过使用生成代码generateCode
。您可以更新生成的C/ c++代码中的模型参数,而不必重新生成代码。
支持代码生成使用的其他函数万博1manbetxcodegen
。定义一个入口点函数,该函数调用支持代码生成的函数。万博1manbetx然后为入口点函数生成C/ c++代码codegen
。
您还可以生成用于预测SVM模型、决策树模型和决策树集合的定点C/ c++代码。这种代码生成需要定点设计器™。
有关支持代码生成的函数列表,请参见万博1manbetx函数列表(C/ c++代码生成)
要了解代码生成,请参见代码生成简介。
学习如何为统计和机器学习工具箱函数生成C/ c++代码。
生成不使用机器学习模型对象的统计和机器学习工具箱函数的代码。
在命令行生成用于预测分类或回归模型的代码。
生成用于分类或回归模型预测的代码MATLAB编码器应用程序。
使用编码器配置器为模型的预测生成代码,并更新生成代码中的模型参数。
使用classification Learner app训练分类模型,生成C/ c++代码进行预测。
使用最近邻搜索器模型生成查找最近邻的代码。
生成接受输入参数的代码,这些参数的大小在运行时可能会改变。
在拟合SVM分类器和生成代码之前,将分类预测器转换为数字虚拟变量。
生成用于预测支持向量机分类或回归模型的定点代码。
生成将概率分布对象与样本数据拟合并评估拟合分布对象的代码。
使用二叉决策树生成用于对表中的数值数据进行分类的代码。
从Simulink生成代码万博1manbetx®使用SVM模型对数据进行分类的模型。
从System object™生成代码,使用经过训练的分类模型进行预测,并在Simulink模型中使用系统对象。万博1manbetx
从Stateflow生成代码®使用判别分析分类器对数据进行分类的模型。