MATLAB®编码器™从支持代码生成的Statistics和Machine Learning Toolbox函数中生成可读且可移植的C和c++代码。金宝app例如,通过使用代码生成将训练有素的支持向量机(SVM)分类模型部署到设备上,可以对无法运行MATLAB的硬件设备上的新观察结果进行分类。金宝app
您可以通过几种方式为Statistics和Machine Learning Toolbox函数生成C/ c++代码。
对象函数的代码生成(预测
,随机
,knnsearch
,或rangesearch
)的机器学习模型-使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
.通过使用保存一个训练过的模型saveLearnerForCoder
.定义一个入口点函数,通过使用loadLearnerForCoder
并调用对象函数。然后使用codegen
为入口点函数生成代码。
的代码生成预测
和更新
使用支持向量机或线性二进制学习器的树模型、支持向量机模型、线性模型或多类纠错输出码(ECOC)分类模型的功能learnerCoderConfigurer
然后通过使用generateCode
.您可以在生成的C/ c++代码中更新模型参数,而不必重新生成代码。
支持代码生成的其他函数-使用金宝appcodegen
.定义一个入口点函数来调用支持代码生成的函数。金宝app然后为入口点函数生成C/ c++代码codegen
.
您还可以为SVM模型、决策树模型和决策树集成的预测生成定点C/ c++代码。这种类型的代码生成需要Fixed-Point Designer™。
有关支持代码生成的函数列表,请参见金宝app函数列表(C/ c++代码生成)
要了解代码生成,请参见代码生成简介.
学习如何为统计和机器学习工具箱函数生成C/ c++代码。
为不使用机器学习模型对象的统计和机器学习工具箱函数生成代码。
在命令行生成预测分类或回归模型的代码。
方法生成预测分类或回归模型的代码MATLAB编码器应用程序。
使用编码器配置器生成预测模型的代码,并在生成的代码中更新模型参数。
使用classification Learner app训练分类模型,并生成C/ c++代码用于预测。
使用最近邻居搜索器模型生成查找最近邻居的代码。
生成接受在运行时大小可能改变的输入参数的代码。
在拟合SVM分类器和生成代码之前,将分类预测器转换为数字虚拟变量。
为SVM分类或回归模型的预测生成定点代码。
生成将概率分布对象拟合到样本数据的代码,并对拟合的分布对象进行评估。
使用二叉决策树生成对表中的数字数据进行分类的代码。
从Simulink生成代码金宝app®使用SVM模型对数据进行分类的模型。
从System对象™生成代码,使用经过训练的分类模型进行预测,并在Simulink模型中使用System对象。金宝app
从状态流生成代码®使用判别分析分类器对数据进行分类的模型。