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™.
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++).
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.
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 метки класса Используя ClassificationNeuralNetwork предсказывают блок
Обучите модель классификации нейронных сетей, и затем используйте блок ClassificationNeuralNetwork 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.
Предскажите, что ответы Используя RegressionNeuralNetwork предсказывают блок
Обучите модель регрессии нейронной сети, и затем используйте блок RegressionNeuralNetwork Predict для предсказания ответа.
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 Stateflow® модель, которая классифицирует данные с помощью классификатора дискриминантного анализа.
Распознавание деятельности человека модель Simulink для развертывания фиксированной точки
Сгенерируйте код из модели Simulink классификации, подготовленной к развертыванию фиксированной точки.
Идентифицируйте перфорацию и жесты руки Flex Используя алгоритм машинного обучения на оборудовании Arduino (пакет поддержки Simulink для оборудования Arduino)
В этом примере показано, как использовать Simulink® Support Package для Оборудования Arduino®, чтобы идентифицировать, что перфорация и гибкий провод вручают жесты с помощью алгоритма машинного обучения.
