MATLAB® Coder™ генерирует читаемые и переносимые C и Код С++ из функций Statistics and Machine Learning Toolbox, которые поддержка генерацию кода. Для примера можно классифицировать новые наблюдения на аппаратных устройствах, которые не могут запустить MATLAB, развертывая обученную модель классификации машины опорных векторов (SVM) на устройстве с помощью генерации кода.
Вы можете сгенерировать код C/C + + для этих функций несколькими способами:
Использовать saveLearnerForCoder, loadLearnerForCoder, и codegen (MATLAB Coder) для объектной функции модели машинного обучения.
Используйте конфигуратор кодера, созданный learnerCoderConfigurer для predict и update объектные функции модели машинного обучения. Сконфигурируйте опции генерации кода при помощи конфигуратора и обновите параметры модели в сгенерированном коде.
Использовать codegen для других функций, которые поддержка генерацию кода.
Можно также сгенерировать код C/C + + с фиксированной точкой для предсказания некоторых моделей машинного обучения. Для генерации кода этого типа требуется 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, см. Введение в генерацию кода.
Список функций, поддерживающих генерацию кода, см. в Списке функций (Генерация кода C/C + +).
Узнайте, как сгенерировать код C/C + + для функций Statistics and Machine Learning Toolbox.
Рабочий процесс генерации общего 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 модели классификации или регрессии в командной строке.
Генерация кода для инкрементного обучения
Сгенерируйте код, который реализует инкрементальное обучение для двоичной линейной классификации в командной строке.
Генерация кода для предсказания модели машинного обучения с использованием приложения MATLAB Coder
Сгенерируйте код для предсказания модели классификации или регрессии с помощью приложения MATLAB Coder.
Генерация кода для предсказания и обновления с использованием Coder Configurer
Сгенерируйте код для предсказания модели с помощью конфигуратора кодера 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 исполнения.
Сгенерируйте код для классификации данных в таблице
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 перед подгонкой классификатора SVM и генерацией кода.
Генерация кода с фиксированной точкой для предсказания SVM
Сгенерируйте код с фиксированной точкой для предсказания модели классификации или регрессии SVM.
Генерация кода и Classification Learner
Обучите классификационную модель с помощью приложения Classification Learner и сгенерируйте код C/C + + для предсказания.
Генерация кода для поиска по ближайшему соседу
Сгенерируйте код для поиска ближайших соседей с помощью модели ближайшего соседа-искателя.
Генерация кода для объектов распределения вероятностей
Сгенерируйте код, который подбирает объект распределения вероятностей к выборочным данным и оценивает подобранный объект распределения.
Генерация кода для модели логистической регрессии, обученной в Classification Learner
В этом примере показано, как обучить логистическую регрессионую модель с помощью Classification Learner, а затем сгенерировать код С, который предсказывает метки с помощью экспортированной классификационной модели.
Предсказание меток классов с помощью блока ClassificationSVM Predict
В этом примере показано, как использовать блок ClassificationSVM Predict для предсказания метки в Simulink ® .
Предсказание меток классов с помощью блока ClassificationTree Predict
Обучите модель дерева решений классификации с помощью приложения Classification Learner, а затем используйте блок ClassificationTree Predict для предсказания меток.
Предсказание меток классов с помощью блока ClassificationEnsemble Predict
Обучите модель классификационного ансамбля с оптимальными гиперпараметрами, а затем используйте блок ClassificationEnsemble Predict для предсказания меток.
Предсказание откликов с использованием блока RegressionSVM
Обучите регрессионую модель машины опорных векторов (SVM) с помощью приложения Regression Learner, а затем используйте блок RegressionSVM Predict для предсказания отклика.
Предсказание откликов с помощью блока RegressionTree Predict
В этом примере показано, как использовать блок RegressionTree Predict для предсказания отклика в Simulink ® .
Предсказание откликов с помощью блока RegressionEnsemble Predict
Обучите регрессионную модель ансамбля с оптимальными гиперпараметрами, а затем используйте блок RegressionEnsemble Predict для предсказания отклика.
Предсказание меток классов с помощью блока MATLAB function
Сгенерируйте код из модели Simulink, которая классифицирует данные с помощью модели SVM.
Системные объекты для классификации и генерации кода
Сгенерируйте код из Системной object™ для создания предсказаний с помощью обученной классификационной модели и используйте системный объект в модели Simulink.
Предсказание меток классов с помощью Stateflow
Сгенерируйте код из Stateflow® модель, которая классифицирует данные с помощью классификатора дискриминантного анализа.
Модель Распознавания активности человека Simulink для развертывания с фиксированной точкой
Сгенерируйте код из классификационной модели Simulink, подготовленной для развертывания с фиксированной точкой.
