Генерация кода

Сгенерируйте код C/C++ и MEX-функции для функций Statistics and Machine Learning Toolbox™

MATLAB® Coder™ генерирует читаемый и портативный C и Код С++ от функций Statistics and Machine Learning Toolbox та генерация кода поддержки. Например, можно классифицировать новые наблюдения относительно аппаратных устройств, которые не могут запустить MATLAB путем развертывания обученной модели классификации машин опорных векторов (SVM) в генерацию кода использования устройства.

Можно сгенерировать код C/C++ для этих функций несколькими способами:

  • Использование saveLearnerForCoder, loadLearnerForCoder, и codegen (MATLAB Coder) для объектной функции модели машинного обучения.

  • Используйте кодер configurer созданный learnerCoderConfigurer для predict и update объектные функции модели машинного обучения. Сконфигурируйте опции генерации кода при помощи configurer и обновите параметры модели в сгенерированном коде.

  • Использование codegen для других функций та генерация кода поддержки.

Можно также сгенерировать фиксированную точку код C/C++ для предсказания некоторых моделей машинного обучения. Этот тип генерации кода требует Fixed-Point Designer™.

Чтобы интегрировать предсказание модели машинного обучения в Simulink®, используйте блок MATLAB function или блоки Simulink в библиотеке Statistics and Machine Learning Toolbox.

Чтобы узнать о генерации кода, смотрите Введение в Генерацию кода.

Для списка функций, которые поддерживают генерацию кода, см. Функциональный Список (Генерация кода C/C++).

Функции

развернуть все

saveLearnerForCoderСохраните объект модели в файле для генерации кода
loadLearnerForCoderВосстановите объект модели из сохраненной модели для генерации кода
generateLearnerDataTypeFcnСгенерируйте функцию, которая задает типы данных для генерации фиксированной точки

Создайте объект кодера Конфигурера

learnerCoderConfigurerСоздайте кодер configurer модели машинного обучения

Работа с объектом кодера Конфигурера

generateCodeСгенерируйте код C/C++ с помощью кодера configurer
generateFilesСгенерируйте файлы MATLAB для генерации кода, использующей кодер configurer
validatedUpdateInputsПодтвердите и извлеките параметры модели машинного обучения, чтобы обновиться
updateОбновите параметры модели для генерации кода

Объекты

развернуть все

ClassificationTreeCoderConfigurerКодер configurer модели дерева выбора из двух альтернатив для классификации мультиклассов
ClassificationSVMCoderConfigurerКодер configurer для машины опорных векторов (SVM) для и бинарной классификации одного класса
ClassificationLinearCoderConfigurerКодер configurer для линейной бинарной классификации высоко-размерных данных
ClassificationECOCCoderConfigurerКодер configurer для модели мультикласса использование бинарных учеников
RegressionTreeCoderConfigurerКодер configurer модели дерева выбора из двух альтернатив для регрессии
RegressionSVMCoderConfigurerКодер configurer для модели регрессии машины опорных векторов (SVM)
RegressionLinearCoderConfigurerКодер configurer для модели линейной регрессии с высоко-размерными данными

Блоки

развернуть все

ClassificationSVM PredictКлассифицируйте наблюдения с помощью классификатора машины опорных векторов (SVM) для и бинарной классификации одного класса
ClassificationTree PredictКлассифицируйте наблюдения с помощью классификатора дерева решений
ClassificationEnsemble PredictКлассифицируйте ансамбль использования наблюдений деревьев решений
RegressionSVM PredictПредскажите ответы с помощью модели регрессии машины опорных векторов (SVM)
RegressionTree PredictПредскажите ответы с помощью модели дерева регрессии
RegressionEnsemble PredictПредскажите ансамбль использования ответов деревьев решений для регрессии

Темы

Рабочие процессы генерации кода

Введение в генерацию кода

Узнать, как сгенерировать код C/C++ для функций Statistics and Machine Learning Toolbox.

Общий рабочий процесс генерации кода

Сгенерируйте код для функций Statistics and Machine Learning Toolbox, которые не используют объекты модели машинного обучения.

Генерация кода для предсказания модели машинного обучения в командной строке

Сгенерируйте код для предсказания классификации или модели регрессии в командной строке.

Генерация кода для пошагового обучения

Сгенерируйте код, который реализует пошаговое обучение для бинарной линейной классификации в командной строке.

Генерация кода для предсказания модели машинного обучения Используя приложение MATLAB Coder

Сгенерируйте код для предсказания классификации или модели регрессии при помощи приложения MATLAB Coder.

Генерация кода для предсказания и обновления Используя кодер Конфигурера

Сгенерируйте код для предсказания модели с помощью кодера configurer и обновите параметры модели в сгенерированном коде.

Задайте аргументы Переменного Размера для генерации кода

Сгенерируйте код, который принимает входные параметры, размер которых может измениться во время выполнения.

Сгенерируйте код, чтобы классифицировать данные на таблицу

Сгенерируйте код для классификации данных в таблице, содержащей числовые и категориальные переменные.

Создайте фиктивные переменные для категориальных предикторов и сгенерируйте код C/C++

Преобразуйте категориальные предикторы в числовые фиктивные переменные прежде, чем соответствовать классификатору SVM и сгенерировать код.

Генерация фиксированной точки для предсказания SVM

Сгенерируйте фиксированную точку для предсказания классификации SVM или модели регрессии.

Генерация кода и приложение Classification Learner

Обучите модель классификации использование приложения Classification Learner и сгенерируйте код C/C++ для предсказания.

Генерация кода для самого близкого соседнего искателя

Сгенерируйте код для нахождения самых близких соседей, использующих самую близкую соседнюю модель искателя.

Генерация кода для Объектов Распределения вероятностей

Сгенерируйте код, который соответствует объекту вероятностного распределения к выборочным данным и оценивает подходящий объект распределения.

Генерация кода для модели логистической регрессии, обученной в Classification Learner

В этом примере показано, как обучить модель логистической регрессии использование Classification Learner, и затем сгенерировать код С, который предсказывает метки с помощью экспортируемой модели классификации.

Классификация и регрессия предсказывают блоки

Предскажите, что метки класса Используя ClassificationSVM предсказывают блок

В этом примере показано, как использовать блок ClassificationSVM Predict для предсказания метки в Simulink®.

Предскажите, что метки класса Используя ClassificationTree предсказывают блок

Обучите модель дерева принятия решения классификации с помощью приложения Classification Learner, и затем используйте блок ClassificationTree Predict для предсказания метки.

Предскажите, что метки класса Используя ClassificationEnsemble предсказывают блок

Обучите модель ансамбля классификации оптимальными гиперпараметрами, и затем используйте блок ClassificationEnsemble Predict для предсказания метки.

Предскажите, что ответы Используя RegressionSVM предсказывают блок

Обучите модель регрессии машины опорных векторов (SVM) использование приложения Regression Learner, и затем используйте блок RegressionSVM Predict для предсказания ответа.

Предскажите, что ответы Используя RegressionTree предсказывают блок

В этом примере показано, как использовать блок RegressionTree Predict для предсказания ответа в Simulink®.

Предскажите, что ответы Используя RegressionEnsemble предсказывают блок

Обучите модель ансамбля регрессии оптимальными гиперпараметрами, и затем используйте блок RegressionEnsemble Predict для предсказания ответа.

Приложения генерации кода

Предскажите метки класса Используя блок MATLAB function

Сгенерируйте код из модели Simulink, которая классифицирует данные с помощью модели SVM.

Системные объекты для классификации и генерации кода

Сгенерируйте код от Системы object™ для того, чтобы сделать предсказания с помощью обученной модели классификации и используйте Системный объект в модели Simulink.

Предскажите метки класса Используя Stateflow

Сгенерируйте код из модели Stateflow®, которая классифицирует данные с помощью классификатора дискриминантного анализа.

Распознавание деятельности человека модель Simulink для развертывания фиксированной точки

Сгенерируйте код из модели классификации Simulink, подготовленной к развертыванию фиксированной точки.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте