Введите выборочные данные.

x = [2100 2300 2500 2700 2900 3100 ...
     3300 3500 3700 3900 4100 4300]';
n = [48 42 31 34 31 21 23 23 21 16 17 21]';
y = [1 2 0 3 8 8 14 17 19 15 17 21]';

Предположим, что обратная нормальная PDF является соответствующей функцией ссылки для проблемы.

Задайте функцию с именем myInvNorm.m это принимает значения и возвращает соответствующие значения инверсии стандартного нормального cdf.

function in = myInvNorm(mu) %#codegen
%myInvNorm Inverse of standard normal cdf for code generation
%   myInvNorm is a GLM link function that accepts a numeric vector mu, and
%   returns in, which is a numeric vector of corresponding values of the
%   inverse of the standard normal cdf.
%   
in = norminv(mu);
end

Задайте другую функцию с именем myDInvNorm.m это принимает значения и возвращает соответствующие значения производной функции ссылки.

function din = myDInvNorm(mu) %#codegen
%myDInvNorm Derivative of inverse of standard normal cdf for code
%generation
%   myDInvNorm corresponds to the derivative of the GLM link function
%   myInvNorm. myDInvNorm accepts a numeric vector mu, and returns din,
%   which is a numeric vector of corresponding derivatives of the inverse
%   of the standard normal cdf.
%   
din = 1./normpdf(norminv(mu));
end

Задайте другую функцию с именем myInvInvNorm.m это принимает значения и возвращает соответствующие значения инверсии функции ссылки.

function iin = myInvInvNorm(mu) %#codegen
%myInvInvNorm Standard normal cdf for code generation
%   myInvInvNorm is the inverse of the GLM link function myInvNorm.
%   myInvInvNorm accepts a numeric vector mu, and returns iin, which is a
%   numeric vector of corresponding values of the standard normal cdf.
% 
iin = normcdf(mu);
end

Создайте массив структур, который задает каждую из функций ссылки. А именно, массив структур содержит поля под названием 'Link', 'Derivative', и 'Inverse'. Соответствующие значения являются именами функций.

link = struct('Link','myInvNorm','Derivative','myDInvNorm',...
    'Inverse','myInvInvNorm')

link = 

  struct with fields:

          Link: 'myInvNorm'
    Derivative: 'myDInvNorm'
       Inverse: 'myInvInvNorm'

Соответствуйте GLM для y на x использование ссылки функционирует link. Возвратите массив структур статистики.

[b,~,stats] = glmfit(x,[y n],'binomial','link',link);

b 2 1 вектор из коэффициентов регрессии.

В вашей текущей рабочей папке задайте функцию под названием classifyGLM.m это:

function [yhat,lo,hi] = classifyGLM(b,x,link,varargin) %#codegen
%CLASSIFYGLM Classify measurements using GLM model 
%   CLASSIFYGLM classifies the n observations in the n-by-1 vector x using
%   the GLM model with regression coefficients b and link function link,
%   and then returns the n-by-1 vector of predicted values in yhat.
%   CLASSIFYGLM also returns margins of error for the predictions using
%   additional information in the GLM statistics structure stats.
narginchk(3,Inf);
if(isstruct(varargin{1}))
    stats = varargin{1};
    [yhat,lo,hi] = glmval(b,x,link,stats,varargin{2:end});
else
    yhat = glmval(b,x,link,varargin{:});
end
end

Сгенерируйте MEX-функцию от classifyGLM.m. Поскольку C использует статический контроль типов, codegen должен определить свойства всех переменных в файлах MATLAB® во время компиляции. Чтобы гарантировать, что MEX-функция может использовать те же входные параметры, используйте -args аргумент, чтобы задать следующее в данном распоряжении:

Чтобы определять аргументы как константы времени компиляции, используйте coder.Constant.

codegen -config:mex classifyGLM -args {coder.Constant(b),x,coder.Constant(link),coder.Constant(stats),coder.Constant('Confidence'),0.9}

Code generation successful.

codegen генерирует файл MEX classifyGLM_mex.mexw64 в вашей текущей папке. Расширение файла зависит от вашей платформы системы.

Сравните предсказания при помощи glmval и classifyGLM_mex. Задайте аргументы пары "имя-значение" в том же порядке как в -args аргумент в вызове codegen.

[yhat1,melo1,mehi1] = glmval(b,x,link,stats,'Confidence',0.9);
[yhat2,melo2,mehi2] = classifyGLM_mex(b,x,link,stats,'Confidence',0.9);

comp1 = (yhat1 - yhat2)'*(yhat1 - yhat2);
agree1 = comp1 < eps
comp2 = (melo1 - melo2)'*(melo1 - melo2);
agree2 = comp2 < eps
comp3 = (mehi1 - mehi2)'*(mehi1 - mehi2);
agree3 = comp3 < eps

agree1 =

  logical

   1


agree2 =

  logical

   1


agree3 =

  logical

   1

Сгенерированная MEX-функция производит те же предсказания как predict.