这个例子展示了如何训练支持向量机(SVM)回归模型金宝app回归的学习者应用程序,然后使用RegressionSVM预测模块用于Simulink®中的响应预测。金宝app该块接受一个观测(预测数据),并使用训练过的SVM回归模型返回观测的预测响应。
在回归学习应用程序中使用超参数优化训练支持向量机回归模型。
1.在MATLAB®命令窗口中,加载carbig
数据集,并创建一个包含大多数预测变量和响应变量向量的矩阵。
负载carbigX =(加速度、汽缸、排量、马力、Model_Year重量);Y = MPG;
2.回归学习者开放。在应用程序选项卡,应用程序部分,单击显示更多箭头显示应用程序库。在机器学习和深度学习组中,单击回归的学习者.
3.在回归的学习者选项卡,文件部分中,选择新会话并选择从工作空间..
4.在“来自工作区的新会话”对话框中,选择矩阵X
从数据集变量列表。下响应,单击从工作空间单选按钮,并从工作区中选择向量Y。默认的验证选项是5倍交叉验证,以防止过拟合。对于本例,不要更改默认设置。
5.要接受默认选项并继续,请单击开始会议.
6.选择一个可优化的SVM模型进行训练。在回归的学习者选项卡,模型类型部分,单击显示更多箭打开画廊。在金宝app支持向量机组中,单击Optimizable支持向量机.应用程序禁用使用并行按钮时,您选择一个可优化的模型。
7.在培训部分中,点击火车.该应用程序显示最小均方误差图当它运行优化过程时。在每次迭代中,应用程序都会尝试不同的超参数值组合,并使用该迭代之前观察到的最小验证均方误差(MSE)来更新图,用深蓝色表示。当应用程序完成优化过程时,它会选择一组优化过的超参数,用红色方块表示。有关更多信息,请参见最小均方误差图.
应用程序列出了优化的超参数优化结果地块右边的部分和优化Hyperparameters部分的当前模型的总结窗格。一般情况下,优化结果是不可重复的。
8.将模型导出到MATLAB工作空间。在回归的学习者选项卡,出口部分中,点击出口模式并选择出口模式,然后单击好吧.导出模型的默认名称是trainedModel
.
或者,您可以生成MATLAB代码,使用应用程序中用于训练SVM模型的相同设置来训练回归模型回归的学习者选项卡,出口部分中,点击生成函数.应用程序从你的会话生成代码,并在MATLAB编辑器中显示文件。该文件定义了一个函数,该函数接受预测器和响应变量,训练回归模型,并执行交叉验证。将函数名更改为trainRegressionSVMModel
并保存函数文件。使用。训练SVM模型trainRegressionSVMModel
函数。
trainedModel = trainRegressionSVMModel (X, Y);
9.提取训练后的支持向量机模型trainedModel
变量。trainedModel
包含一个RegressionSVM
中的模型对象RegressionSVM
字段。
svmMdl = trainedModel.RegressionSVM;
由于超参数优化可能导致模型过度拟合,建议的方法是在将数据导入Regression Learner应用程序之前创建一个单独的测试集,并查看优化的模型在测试集上的执行情况。有关详细信息,请参见在回归学习程序中使用超参数优化训练回归模型.
这个例子提供了Simulink模型金宝appslexCarDataRegressionSVMPredictExample.slx
,其中包括RegressionSVM预测块。您可以打开Simulink模型或创金宝app建本节所述的新模型。
打开Simulin金宝appk模型slexCarDataRegressionSVMPredictExample.slx
.
SimMdlName =“slexCarDataRegressionSVMPredictExample”;open_system (SimMdlName)
的PreLoadFcn
回调函数的slexCarDataRegressionSVMPredictExample
包括加载样本数据、训练SVM模型和为Simulink模型创建输入信号的代码。金宝app如果打开Simulink模型,软金宝app件就会运行代码PreLoadFcn
加载Simulink模型之前。金宝app要查看回调函数,请在设置上节建模选项卡上,单击模型设置并选择模型属性.然后,在回调选项卡中,选择PreLoadFcn
的回调函数模型的回调窗格。
要创建新的Simulink模型,金宝app请打开空白模型模板,并添加RegressionSVM Predict块。添加import和Outport块,并将它们连接到RegressionSVM Predict块。
双击RegressionSVM Predict块,打开块参数对话框。您可以指定包含训练过的SVM模型的工作空间变量的名称。默认变量名为svmMdl
.单击刷新按钮。对话框显示用于训练SVM模型的选项svmMdl
下训练有素的机器学习模型.
回归支持向量机预测块预测包含6个预测值的观测值。双击import块,并设置港维到6号信号的属性选项卡。
以结构数组的形式为Simulink模型创建一个输入信号。金宝app结构数组必须包含以下字段:
时间
-观测数据进入模型的时间点。方位必须与预测器数据中的观测值相对应。在这个例子中,时间
必须是一个列向量。
信号
—描述输入数据并包含字段的1 × 1结构数组值
和维
,在那里值
是预测数据的矩阵,和维
为预测变量的数量。
对象创建适当的结构数组slexCarDataRegressionSVMPredictExample
模型的carsmall
数据集。
负载carsmalltestX =(加速度、汽缸、排量、马力、Model_Year重量);testX = rmmissing (testX);carsmallInput。时间= (0:size(testX,1)-1)'; carsmallInput.signals(1).values = testX; carsmallInput.signals(1).dimensions = size(testX,2);
从工作区导入信号数据:
打开“配置参数”对话框。在建模选项卡上,单击模型设置.
在数据导入/导出窗格中,选择输入复选框,并输入carsmallInput
在相邻的文本框中。
在解算器窗格中,在仿真时间,设置停止时间来carsmallInput.time(结束)
.下解算器的选择,设置类型来固定步
,并设置解算器来离散(无连续状态)
.
有关详细信息,请参见模拟负载信号数据(金宝app模型).
模拟模型。
sim (SimMdlName);
当import块检测到一个观测值时,它将该观测值导向RegressionSVM Predict块。你可以使用仿真数据检查(金宝app模型)查看Outport块的记录数据。