用于回归的二叉决策树模型的编码器配置器
一个RegressionTreeCoderConfigurer
对象是回归二进制决策树模型的编码器配置程序(RegressionTree
或CompactRegressionTree
).
编码器配置器提供了方便的特性来配置代码生成选项、生成C/ c++代码以及更新生成代码中的模型参数。
配置代码生成选项,并使用对象属性为树模型参数指定编码器属性。
生成C/ c++代码预测
和更新
利用回归树模型的函数generateCode
.生成C/ c++代码需要MATLAB®编码员™.
更新生成的C/ c++代码中的模型参数,而不需要重新生成代码。当您使用新数据或设置重新训练树模型时,该特性减少了重新生成、重新部署和重新验证C/ c++代码所需的工作。在更新模型参数之前,请使用validatedUpdateInputs
验证和提取要更新的模型参数。
此流程图显示了使用编码器配置器的代码生成工作流。
有关回归树模型的代码生成使用说明和限制,请参阅CompactRegressionTree
,预测
,更新
.
在使用fitrtree
,使用以下方法为模型创建一个编码器配置器learnerCoderConfigurer
.属性的编码器属性预测
和更新
参数。然后,使用generateCode
根据指定的编码器属性生成C/ c++代码。
预测
参数属性的编码器属性预测
生成的代码中的函数参数。
X
- - - - - -预测数据的编码属性学习者输入
对象Coder属性的预测器数据传递到生成的C/ c++代码预测
回归树模型的函数,指定为学习者输入
对象。
使用使用时创建编码器配置程序时learnerCoderConfigurer
函数的输入参数X
属性的默认值学习者输入
编码器属性:
SizeVector
-默认值是输入的数组大小X
.
可变尺寸
- 这个值是[0 0]
(默认)或[1 0]
.
[0 0]
中指定的数组大小是固定的SizeVector
.
[1 0]
指示数组具有可变大小的行和固定大小的列。在本例中,第一个值SizeVector
上限值是行数,第二个值是SizeVector
是列数。
数据类型
- 这个值是单身的
或双
.默认数据类型取决于输入的数据类型X
.
可调谐性
—必须为真正的
,这意味着预测
在生成的C/C++代码中,始终包含预测器数据作为输入。
您可以使用点表示法修改编码器属性。例如,要生成接受带有三个预测变量的100个观察值的预测数据的C/ c++代码,指定这些编码器属性X
对于编码器配置程序配置
:
configuration . x . sizevector = [100 3];configurer.X.DataType =“双人”;configurer.X.VariableDimensions = [0 0];
[0 0]
指示的第一个和第二个维度X
(观测数和预测变量数分别)有固定的大小。
要允许生成的C/ c++代码接受多达100个观测值的预测数据,请指定这些编码器属性X
:
configuration . x . sizevector = [100 3];configurer.X.DataType =“双人”;configurer.X.VariableDimensions = [1 0];
[1 0]
表示第一维度X
(观察的数量)有一个可变的大小和第二个维度X
(预测器变量的数量)具有固定大小。在该示例中指定的观察数100,成为生成的C / C ++代码中的最大允许观察数。要允许任何数量的观察,请指定绑定正
.
NumOutputs
- - - - - -输出数量预测
从生成的C / C ++代码返回的输出参数的数量预测
回归树模型的功能,指定为1或2。
的输出参数预测
是伊菲特
(预测的答复)和节点
(预测的节点编号),按该顺序。预测
在生成的C / C ++代码中返回第一个代码n
输出的预测
函数,n
是NumOutputs
价值。
创建编码器配置程序后配置
,可以使用点表示法指定输出的数量。
配置。NumOutputs= 2;
的NumOutputs
财产相当于“-纳古特”
编译器选项的Codegen.
(MATLAB编码器).此选项指定代码生成的入口函数中的输出参数的数量。的目标函数generateCode
生成两个入口点函数predict.m
和更新..
为预测
和更新
函数,分别生成两个入口点函数的C/C++代码NumOutputs
属性对应于入口点函数中的输出参数数量predict.m
.
数据类型:双
更新
参数属性的编码器属性更新
生成的代码中的函数参数。的更新
函数接受训练过的模型和新的模型参数作为输入参数,并返回包含新参数的模型的更新版本。要启用更新生成代码中的参数,您需要在生成代码之前指定参数的编码器属性。使用一个学习者输入
对象指定每个参数的编码器属性。默认属性值基于输入参数中的模型参数Mdl
的learnerCoderConfigurer
.
儿童
- - - - - -每个节点的子节点的编码器属性学习者输入
对象树中每个节点的子节点的编码器属性(儿童
的回归树模型),指定为学习者输入
对象。
属性的默认属性值学习者输入
对象基于输入参数Mdl
的learnerCoderConfigurer
:
SizeVector
- 默认值是(2 nd)
,在那里nd
是节点的数量Mdl
.
可变尺寸
- 这个值是[0 0]
(默认)或[1 0]
.
[0 0]
中指定的数组大小是固定的SizeVector
.
[1 0]
指示数组具有可变大小的行和固定大小的列。在本例中,第一个值SizeVector
上限值是行数,第二个值是SizeVector
是列数。
数据类型
- 这个值是“单一”
或“双人”
.默认数据类型与用于训练的训练数据的数据类型一致Mdl
.
可调谐性
—必须为真正的
.
如果修改了的第一个尺寸标注SizeVector
成为newnd
,然后软件修改的第一个维度SizeVector
属性newnd
的属性割点
,cutpredictorindex.
,NodeMean
.同样,如果修改第一维度可变尺寸
成为1
,然后软件修改的第一个维度可变尺寸
属性1
对于这些属性。
割点
- - - - - -每个节点的切割点的编码器属性学习者输入
对象树中每个节点的切割点的编码属性(割点
的回归树模型),指定为学习者输入
对象。
属性的默认属性值学习者输入
对象基于输入参数Mdl
的learnerCoderConfigurer
:
SizeVector
- 默认值是[nd 1]
,在那里nd
是节点的数量Mdl
.
可变尺寸
- 这个值是[0 0]
(默认)或[1 0]
.
[0 0]
中指定的数组大小是固定的SizeVector
.
[1 0]
指示数组具有可变大小的行和固定大小的列。在本例中,第一个值SizeVector
上限值是行数,第二个值是SizeVector
是列数。
数据类型
- 这个值是“单一”
或“双人”
.默认数据类型与用于训练的训练数据的数据类型一致Mdl
.
可调谐性
—必须为真正的
.
如果修改了的第一个尺寸标注SizeVector
成为newnd
,然后软件修改的第一个维度SizeVector
属性newnd
的属性儿童
,cutpredictorindex.
,NodeMean
.同样,如果修改第一维度可变尺寸
成为1
,然后软件修改的第一个维度可变尺寸
属性1
对于这些属性。
cutpredictorindex.
- - - - - -每个节点的切割预测指标的编码属性学习者输入
对象树中每个节点的cut预测器索引的编码属性(cutpredictorindex.
的回归树模型),指定为学习者输入
对象。
属性的默认属性值学习者输入
对象基于输入参数Mdl
的learnerCoderConfigurer
:
SizeVector
- 默认值是[nd 1]
,在那里nd
是节点的数量Mdl
.
可变尺寸
- 这个值是[0 0]
(默认)或[1 0]
.
[0 0]
中指定的数组大小是固定的SizeVector
.
[1 0]
指示数组具有可变大小的行和固定大小的列。在本例中,第一个值SizeVector
上限值是行数,第二个值是SizeVector
是列数。
数据类型
- 这个值是“单一”
或“双人”
.默认数据类型与用于训练的训练数据的数据类型一致Mdl
.
可调谐性
—必须为真正的
.
如果修改了的第一个尺寸标注SizeVector
成为newnd
,然后软件修改的第一个维度SizeVector
属性newnd
的属性儿童
,割点
,NodeMean
.同样,如果修改第一维度可变尺寸
成为1
,然后软件修改的第一个维度可变尺寸
属性1
对于这些属性。
NodeMean
- - - - - -每个节点的平均响应值的编码器属性学习者输入
对象树中每个节点的平均响应值的编码器属性(NodeMean
的回归树模型),指定为学习者输入
对象。
属性的默认属性值学习者输入
对象基于输入参数Mdl
的learnerCoderConfigurer
:
SizeVector
- 默认值是[nd 1]
,在那里nd
是节点的数量Mdl
.
可变尺寸
- 这个值是[0 0]
(默认)或[1 0]
.
[0 0]
中指定的数组大小是固定的SizeVector
.
[1 0]
指示数组具有可变大小的行和固定大小的列。在本例中,第一个值SizeVector
上限值是行数,第二个值是SizeVector
是列数。
数据类型
- 这个值是“单一”
或“双人”
.默认数据类型与用于训练的训练数据的数据类型一致Mdl
.
可调谐性
—必须为真正的
.
如果修改了的第一个尺寸标注SizeVector
成为newnd
,然后软件修改的第一个维度SizeVector
属性newnd
的属性儿童
,割点
,cutpredictorindex.
.同样,如果修改第一维度可变尺寸
成为1
,然后软件修改的第一个维度可变尺寸
属性1
对于这些属性。
OutputFileName
- - - - - -生成的C / C ++代码的文件名“RegressionTreeModel”
(默认)|特征向量生成的C/C++代码的文件名,指定为字符向量。
的目标函数generateCode
的RegressionTreeCoderConfigurer
使用此文件名生成C/C++代码。
文件名不能包含空格,因为在某些操作系统配置中,空格可能导致代码生成失败。此外,文件名必须是有效的MATLAB函数名。
创建编码器配置程序后配置
,您可以使用点表示法指定文件名。
配置。OutputFileName =“myModel”;
数据类型:字符
冗长的
- - - - - -冗长的水平真正的
(逻辑1)(默认)|错误的
(逻辑0)详细级别,指定为真正的
(逻辑1)或错误的
(逻辑0)。详细级别控制命令行中通知消息的显示。
价值 | 描述 |
---|---|
真正的 (逻辑1) |
当您对参数的编码器属性的更改导致其他相关参数的更改时,软件显示通知消息。 |
错误的 (逻辑0) |
该软件不显示通知消息。 |
要在生成的代码中启用更新计算机学习模型参数,您需要在生成代码之前配置参数的编码器属性。参数的编码器属性彼此依赖,因此该软件将依赖项存储为配置约束。如果使用编码器配置器修改参数的编码器属性,并且修改需要后续更改对其他从属参数来满足配置约束,则软件改变了相关参数的编码器属性。冗长级别确定软件是否显示这些后续更改的通知消息。
创建编码器配置程序后配置
,您可以使用点表示法修改详细程度。
configur.verbose = false;
数据类型:逻辑
要自定义代码生成工作流程,请使用generateFiles
函数和下面三个属性Codegen.
(MATLAB编码器),而不是使用generateCode
作用
在生成两个入口点函数文件(predict.m
和更新..
),使用generateFiles
功能,您可以根据代码生成工作流修改这些文件。例如,您可以修改predict.m
文件以包含数据预处理,或者可以将这些入口点函数添加到另一个代码生成项目中。然后,您可以通过使用Codegen.
(MATLAB编码器)函数和Codegen.
适用于修改的入口点函数或代码生成项目的参数。使用本节中描述的三个属性作为起点来设置Codegen.
参数。
CodeGenerationArguments.
- - - - - -Codegen.
参数此属性是只读的。
Codegen.
(MATLAB编码器)参数,指定为单元格数组。
此属性使您能够自定义代码生成工作流。使用generateCode
函数,如果您不需要自定义您的工作流。
而不是使用generateCode
使用编码器配置器配置
,您可以生成C / C ++代码,如下所示:
generateFiles(配置器)cgArgs = configuration . codegenerationarguments;codegen (cgArgs {}):
cgArgs
因此之前调用Codegen.
.
修改的其他属性配置
,软件更新CodeGenerationArguments.
相应的属性。
数据类型:单间牢房
PredictInputs
- - - - - -的输入参数预测
编码器。PrimitiveType
对象此属性是只读的。
入口点函数的输入参数predict.m
对于代码生成,指定为一个单元格数组编码器。PrimitiveType
(MATLAB编码器)对象。的编码器。PrimitiveType
对象中存储的预测器数据的编码器属性X
财产。
如果你修改了预测器数据的编码属性,那么软件就会更新编码器。PrimitiveType
相应的对象。
的编码器。PrimitiveType
对象PredictInputs
相当于configurer.codegenerationArguments {6}
对于编码器配置程序配置
.
数据类型:单间牢房
UpdateInputs
- - - - - -的可调输入参数列表更新
编码器。PrimitiveType
对象此属性是只读的。
入口点函数的可调输入参数列表更新..
对于代码生成,指定为结构的单元数组,包括编码器。PrimitiveType
(MATLAB编码器)对象。每一个编码器。PrimitiveType
对象包含可调机器学习模型参数的编码器属性。
如果您使用编码器配置器属性修改模型参数的编码器属性(更新
参数属性),然后软件更新相应的编码器。PrimitiveType
相应的对象。如果您指定了可调谐性
机器学习模型参数的属性为错误的
,则软件将删除相应的编码器。PrimitiveType
来自杂志的对象UpdateInputs
列表。
结构在UpdateInputs
相当于配置。CodeGenerationArguments {3}
对于编码器配置程序配置
.
数据类型:单间牢房
generateCode |
使用编码器配置器生成C/ c++代码 |
generateFiles |
产生MATLAB使用编码器配置器生成代码的文件 |
validatedUpdateInputs |
验证和提取机器学习模型参数以更新 |
训练一个机器学习模型,然后生成代码预测
和更新
使用编码器配置器来函数模型。
加载CARBIG.
包含汽车数据的数据集,并培训回归树模型。
负载CARBIG.X=[排量马力重量];Y=MPG;Mdl=Firtree(X,Y);
Mdl
是A.RegressionTree
对象。
控件创建一个编码器配置器RegressionTree
利用learnerCoderConfigurer
. 指定预测数据X
.的learnerCoderConfigurer
函数使用输入X
要配置的编码器属性,请执行以下操作:预测
函数输入。
CONFIGURER = LEARNERCODERCONFIGURER(MDL,X)
configurer = RegressionTreeCoderConfigurer with properties: Update Inputs: Children: [1x1 LearnerCoderInput] NodeMean: [1x1 LearnerCoderInput] CutPoint: [1x1 LearnerCoderInput] CutPredictorIndex: [1x1 LearnerCoderInput] Predict Inputs: X: [1x1 LearnerCoderInput] Code Generation Parameters: NumOutputs: 1 OutputFileName:“RegressionTreeModel”属性,方法
配置
是A.RegressionTreeCoderConfigurer
对象,它是一个编码器配置程序RegressionTree
对象。
要生成C/ c++代码,您必须访问配置正确的C/ c++编译器。MATLAB编码器定位并使用一个受支持的、安装的编译器。金宝app您可以使用墨西哥人
-设置
查看和更改默认编译器。有关详细信息,请参见改变默认的编译器.
为预测
和更新
回归树模型的功能(Mdl
)的默认设置。
generatecode(Configurer)
GenerateCode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','reightoniontreemodel.mat'代码生成成功。
的generateCode
函数完成这些动作:
生成MATLAB文件所需的生成代码,包括两个入口点函数predict.m
和更新..
为预测
和更新
的功能Mdl
,分别。
创建一个名为RegressionTreeModel
对于两个入口点函数。
控件中创建MEX函数的代码codegen\mex\RegressionTreeModel
文件夹。
将MEX函数复制到当前文件夹。
显示文件的内容predict.m
,更新..
,initialize.m
通过使用类型
作用
类型predict.m
function varargout = predict(X,varargin) %#codegen % Autogenerated by MATLAB, 01- 9 -2021 14:43:48 [varargout{1:nargout}] = initialize('predict',X,varargin{:});结束
类型更新..
function update(varargin) %#codegen % Autogenerated by MATLAB, 01- 9 -2021 14:43:48 initialize('update',varargin{:});结束
类型initialize.m
函数[varargout]=initialize(command,varargin)%#codegen%由MATLAB自动生成,2021年9月1日14:43:48 coder.inline('always')持久模型如果isempty(model)model=loadLearnerForCoder('RegressionTreeModel.mat');end开关(command)case“update”%update struct fields:Children%NodeMean%cutpredictIndex model=update(model,varargin{:});case'predict'%predict Inputs:X X=varargin{1};if-nargin==2[varargout{1:nargout}]=predict(model,X);else-PVPairs=cell(1,nargin-2);对于i=1:nargin-2 PVPairs{1,i}=varargin{i+1};end[varargout{1:nargout}]=predict(model,X,PVPairs{:});end-end-end-end-end
使用部分数据集训练回归树,并为模型创建编码器配置器。使用编码器配置器的属性指定模型参数的编码器属性。使用编码器配置器的目标函数生成预测新预测数据响应的C代码。然后使用整个数据重新训练模型在生成的代码中设置和更新参数,而不重新生成代码。
火车模型
加载CARBIG.
数据集,并训练回归树模型使用一半的观察。
负载CARBIG.X=[排量马力重量];Y=MPG;rng(“默认”)%的再现性n =长度(Y);idxTrain = randsample (n, n / 2);XTrain = X (idxTrain:);YTrain = Y (idxTrain);Mdl = fitrtree (XTrain YTrain);
Mdl
是A.RegressionTree
对象。
创建编码器配置
控件创建一个编码器配置器RegressionTree
利用learnerCoderConfigurer
. 指定预测数据XTrain.
.的learnerCoderConfigurer
函数使用输入XTrain.
要配置的编码器属性,请执行以下操作:预测
函数输入。此外,将输出的数量设置为2,以便生成的代码返回预测的预测响应和节点号。
配置= learnerCoderConfigurer (Mdl XTrain,“NumOutputs”,2);
配置
是A.RegressionTreeCoderConfigurer
对象,它是一个编码器配置程序RegressionTree
对象。
指定参数的编码器属性
指定回归树模型参数的编码器属性,以便您可以在重新训练模型后更新生成代码中的参数。
属性的编码器属性X
性质配置
以便生成的代码接受任意数量的观察SizeVector
和可变尺寸
属性。的SizeVector
属性指定预测器数据大小的上限,以及可变尺寸
属性指定预测器数据的每个维度是具有可变大小还是固定大小。
configurer.X.SizeVector=[Inf 3];configurer.X.VariableDimensions
ans=1 x2逻辑阵列1 0
第一个维度的大小是观察数。设置SizeVector
把某事归因于某人正
导致软件修改可变尺寸
把某事归因于某人1
.换句话说,大小的上限为正
并且大小是可变的,这意味着预测器数据可以具有任何数量的观察。如果您不知道生成代码时的观察次数,则此规范很方便。
第二个维度的大小是预测器变量的数量。对于机器学习模型,此值必须固定。因为预测器数据包含3个预测器,所以SizeVector
属性必须3.
以及可变尺寸
属性必须0
.
如果使用新的数据或不同的设置重新训练树模型,树中的节点数量可能会有所不同。因此,指定的第一个维度SizeVector
属性,以便更新生成的代码中的节点数量:儿童
,割点
,cutpredictorindex.
, 或者NodeMean
.然后软件会自动修改其他属性。
的第一个值SizeVector
属性的NodeMean
财产正
.软件修改SizeVector
和可变尺寸
属性儿童
,割点
,cutpredictorindex.
以匹配树中节点数目的新上限。的第一个值可变尺寸
属性NodeMean
更改1
.
configur.nodemean.sizevector = [INF 1];
修改了Children的sizeevector属性以满足配置约束。CutPoint的SizeVector属性已被修改以满足配置约束。CutPredictorIndex的SizeVector属性已被修改以满足配置约束。已修改Children的VariableDimensions属性以满足配置约束。已修改CutPoint的VariableDimensions属性以满足配置约束。已修改CutPredictorIndex的VariableDimensions属性以满足配置约束。
configurer.NodeMean.VariableDimensions
ans=1 x2逻辑阵列1 0
生成代码
要生成C/ c++代码,您必须访问配置正确的C/ c++编译器。MATLAB编码器定位并使用一个受支持的、安装的编译器。金宝app您可以使用墨西哥人
-设置
查看和更改默认编译器。有关详细信息,请参见改变默认的编译器.
为预测
和更新
回归树模型的功能(Mdl
).
generatecode(Configurer)
GenerateCode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','reightoniontreemodel.mat'代码生成成功。
的generateCode
函数完成这些动作:
生成MATLAB文件所需的生成代码,包括两个入口点函数predict.m
和更新..
为预测
和更新
的功能Mdl
,分别。
创建一个名为RegressionTreeModel
对于两个入口点函数。
控件中创建MEX函数的代码codegen\mex\RegressionTreeModel
文件夹。
将MEX函数复制到当前文件夹。
验证生成的代码
传递一些预测数据以验证预测
功能Mdl
和预测
MEX函数中的函数返回相同的预测响应。要在具有多个入口点的MEX函数中调用一个入门点函数,请将函数名称指定为第一个输入参数。
[Yfit,node]=预测(Mdl,XTrain);[Yfit\u-mex,node\u-mex]=回归树模型(“预测”,XTrain);
比较伊菲特
到Yfit_mex
和节点
到node_-mex
.
马克斯(abs (Yfit-Yfit_mex), [],“全部”)
ans = 0.
node_mex isequal(节点)
ans=逻辑1
一般来说,Yfit_mex
可能包括舍入差异与伊菲特
. 在这种情况下,比较证实了伊菲特
和Yfit_mex
是相等的。
isequal
返回逻辑1 (真正的
),如果所有输入参数相等。比较证实了预测
功能Mdl
和预测
MEX函数中的函数返回相同的节点号。
在生成的代码中重新训练模型和更新参数
使用整个数据集重新训练模型。
retrainedMdl = fitrtree (X, Y);
使用提取要更新的参数validatedUpdateInputs
。此功能检测中修改的模型参数再培训DMDL
并验证修改后的参数值是否满足参数的编码器属性。
params = validatedUpdateInputs(配置、retrainedMdl);
更新生成代码中的参数。
RegressionTreeModel (“更新”,params)
验证生成的代码
的输出参数比较预测
功能再培训DMDL
和预测
函数。
[Yfit、节点]=预测(retrainedMdl X);[Yfit_mex, node_mex] = RegressionTreeModel (“预测”, X);马克斯(abs (Yfit-Yfit_mex), [],“全部”)
ans = 0.
node_mex isequal(节点)
ans=逻辑1
比较确认预测响应和节点数相等。
学习者输入
对象编码器配置器使用学习者输入
对象的编码器属性预测
和更新
输入参数。
一个学习者输入
对象具有以下属性以指定生成的代码中的输入参数数组的属性。
属性名称 | 描述 |
---|---|
SizeVector |
对应的数组大小 如果对应的 |
可变尺寸 |
指示符,指定数组的每个维度是具有可变大小还是固定大小,指定为
|
数据类型 |
数组的数据类型 |
可调谐性 |
指定是否 如果指定其他属性值 |
创建编码器配置程序后,可以使用点表示法修改编码器属性。例如,指定割点
编码器配置器的属性配置
:
configurer.CutPoint.SizeVector = [40 1];configurer.CutPoint.VariableDimensions = [1 0];
冗长的
),真正的
(默认),软件在修改机器学习模型参数的编码器属性时,软件显示通知消息,并且修改更改了其他相关参数的编码器属性。
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。