RegressionSVM预测

使用支持向量机(SVM)回归模型预测响应金宝app

展开全部页面

库:
统计和机器学习工具箱/回归

描述

的RegressionSVM预测块预测响应使用SVM回归对象(RegressionSVM或CompactRegressionSVM)．

通过指定包含该对象的工作空间变量的名称，将训练好的SVM回归对象导入到块中。输入端口x接收一个观测值(预测器数据)和输出端口yfit返回观测结果的预测响应。

港口

输入

全部展开

`x`-预测数据
行向量|列向量

预测数据，指定为一个观测的列向量或行向量。

依赖关系

中的变量x必须与训练SVM模型的预测变量具有相同的顺序选择训练过的机器学习模型．
如果你设置“标准化”,真的在fitrsvm训练SVM模型时，则RegressionSVM预测块标准化的值x使用的均值和标准差μ而且σSVM模型的属性(分别)。

数据类型:单|双|一半|int8|int16|int32|int64|uint8|uint16|uint32|uint64|布尔|不动点

输出

全部展开

`yfit`-预测反应
标量

预测响应，作为标量返回。

数据类型:单|双|一半|int8|int16|int32|int64|uint8|uint16|uint32|uint64|布尔|不动点

参数

全部展开

主要

`选择训练过的机器学习模型`- SVM回归模型
`svmMdl`(默认)|`RegressionSVM`对象|`CompactRegressionSVM`对象

属性的工作区变量的名称RegressionSVM对象或CompactRegressionSVM对象。

当你训练SVM模型时使用fitrsvm，以下限制适用:

预测器数据不能包括分类预测器(逻辑,分类,字符,字符串,或细胞)．如果在表中提供训练数据，则预测器必须是数字(双或单)．而且，不能使用“CategoricalPredictors”名称-值参数。若要在模型中包含分类预测器，请使用dummyvar在拟合模型之前。
的值“ResponseTransform”名称-值参数必须为“没有”(默认)。
的值“KernelFunction”名称-值参数必须为“高斯”,“线性”(默认),或多项式的．

编程使用

块参数:TrainedLearner

类型:工作空间变量

价值观:RegressionSVM对象|CompactRegressionSVM对象

默认值:“svmMdl”

数据类型

定点操作参数

`整数舍入模式`-舍入模式的定点操作
`地板上`(默认)|`天花板`|`收敛`|`最近的`|`轮`|`简单的`|`零`

为定点操作指定舍入模式。有关更多信息，请参见舍入(定点设计师)．

块参数总是舍入到最接近的可表示值。若要控制块参数的舍入，请使用MATLAB输入表达式^®将函数舍入到掩码字段。

编程使用

块参数:RndMeth

类型:特征向量

价值观:“天花板”|“收敛”|“地板”|“最近”|“圆”|“最简单”|“零”

默认值:“地板”

`饱和整数溢出`-溢出动作方式
`从`(默认)|`在`

指定溢出是饱和还是包裹。

行动基本原理对溢出的影响例子

行动	基本原理	对溢出的影响	例子
选中此复选框(`在`)．	您的模型可能有溢出，并且您希望在生成的代码中显式地进行饱和保护。	溢出饱和到数据类型可以表示的最小值或最大值。	的最大值`int8`(有符号8位整数)的数据类型可以表示为127。任何大于该最大值的块操作结果都会导致8位整数溢出。选中复选框后，块输出的饱和值为127。类似地，块输出在最小输出值-128处饱和。
清除此复选框(`从`)．	您希望优化生成代码的效率。您希望避免过度指定块如何处理超出范围的信号。有关更多信息，请参见排除信号范围错误(金宝app模型)．	溢出包装为数据类型可以表示的适当值。	的最大值`int8`(有符号8位整数)的数据类型可以表示为127。任何大于该最大值的块操作结果都会导致8位整数溢出。清除复选框后，软件将导致溢出的值解释为`int8`，这可能会产生意想不到的结果。例如，130(二进制1000 0010)的块结果表示为`int8`是-126。

选中此复选框(在)．

您的模型可能有溢出，并且您希望在生成的代码中显式地进行饱和保护。

溢出饱和到数据类型可以表示的最小值或最大值。

的最大值int8(有符号8位整数)的数据类型可以表示为127。任何大于该最大值的块操作结果都会导致8位整数溢出。选中复选框后，块输出的饱和值为127。类似地，块输出在最小输出值-128处饱和。

清除此复选框(从)．

您希望优化生成代码的效率。

您希望避免过度指定块如何处理超出范围的信号。有关更多信息，请参见排除信号范围错误(金宝app模型)．

溢出包装为数据类型可以表示的适当值。

的最大值int8(有符号8位整数)的数据类型可以表示为127。任何大于该最大值的块操作结果都会导致8位整数溢出。清除复选框后，软件将导致溢出的值解释为int8，这可能会产生意想不到的结果。例如，130(二进制1000 0010)的块结果表示为int8是-126。

编程使用

块参数:SaturateOnIntegerOverflow

类型:特征向量

价值观:'off' | 'on'

默认值:“关闭”

`锁定输出数据类型设置，防止由定点工具更改`-防止定点工具覆盖数据类型
`从`(默认)|`在`

选择此参数可防止定点工具覆盖为块指定的数据类型。有关更多信息，请参见使用锁输出数据类型设置(定点设计师)．

编程使用

块参数:LockScale

类型:特征向量

价值观:'off' | 'on'

默认值:“关闭”

数据类型

`输出数据类型`—yfit输出的数据类型
`继承:汽车`(默认)|`双`|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`uint32`|`int64`|`uint64`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型表达式>`

属性的数据类型yfit输出。类型可以被继承、直接指定或表示为数据类型对象，例如金宝app仿真软件。NumericType．

当你选择继承:汽车，块使用继承数据类型的规则。

有关数据类型的详细信息，请参见控制信号的数据类型(金宝app模型)．

单击显示数据类型助手按钮显示数据类型助手，它可以帮助您设置数据类型属性。有关更多信息，请参见使用数据类型助手指定数据类型(金宝app模型)．

编程使用

块参数：OutDataTypeStr

类型:字符向量

值：“继承:汽车”|“双”|“单一”|“一半”|“int8”|“uint8”|“int16”|“uint16”|“int32”|“uint32”|“int64”|“uint64”|“布尔”|“fixdt(16)”|“fixdt(0) 1, 16日”|“fixdt(1, 16日2 ^ 0,0)”|'<数据类型表达式>'

默认的：“继承:汽车”

`输出最小`-范围检查yfit输出的最小值
`［］`(默认)|标量

的较低值yfitSimulink的输出范围金宝app^®检查。

金宝appSimulink使用最小值执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
模拟范围检查(见指定信号范围(金宝app模型)而且启用模拟距离检查(金宝app模型))．
自动缩放定点数据类型。
优化从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的输出最小参数不饱和或剪切实际yfit信号。使用饱和(金宝app模型)块来代替。

编程使用

块参数：OutMin

类型:字符向量

值：“[]”|标量

默认的：“[]”

`输出最大`-用于范围检查的yfit输出最大值
`［］`(默认)|标量

的上限yfit输出范围，Simulink检查。金宝app

金宝appSimulink使用最大值执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
模拟范围检查(见指定信号范围(金宝app模型)而且启用模拟距离检查(金宝app模型))．
自动缩放定点数据类型。
优化从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的输出最大参数不饱和或剪切实际yfit信号。使用饱和(金宝app模型)块来代替。

编程使用

块参数：OutMax

类型:字符向量

值：“[]”|标量

默认的：“[]”

`内核数据类型`—内核计算数据类型
`双`(默认)|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`int64`|`uint64`|`uint32`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型表达式>`

为内核计算指定参数的数据类型。类型可以直接指定，也可以表示为数据类型对象，例如金宝app仿真软件。NumericType．

的内核数据类型参数指定不同参数的数据类型，具体取决于指定SVM模型的核函数类型。您可以指定“KernelFunction”训练SVM模型时的name-value参数。

`“KernelFunction”`价值	数据类型
`“高斯”`或`“rbf”`	内核数据类型指定平方距离的数据类型 $D^{2} ＝ {为 x - 年代为}^{2}$ 对于高斯核 $G （ x, 年代）＝经验值（ - D^{2} ）$ ,在那里x预测数据是否用于观察和年代是一个支持金宝app向量。
`“线性”`	内核数据类型指定线性核函数输出的数据类型 $G （ x, 年代）＝ x 年代＇$ ,在那里x预测数据是否用于观察和年代是一个支持金宝app向量。
`多项式的`	内核数据类型指定多项式核函数输出的数据类型 $G （ x, 年代）＝ {（ 1 + x 年代＇）}^{p}$ ,在那里x是观测的预测数据，年代是支持向量金宝app，和p是多项式核函数的阶数。

有关数据类型的详细信息，请参见控制信号的数据类型(金宝app模型)．

编程使用

块参数：KernelDataTypeStr

类型:字符向量

值：“双”|“单一”|“一半”|“int8”|“uint8”|“int16”|“uint16”|“int32”|“uint32”|“uint64”|“int64”|“布尔”|“fixdt(16)”|“fixdt(0) 1, 16日”|“fixdt(1, 16日2 ^ 0,0)”|'<数据类型表达式>'

默认的：“双”

`内核最低`-最小内核计算值范围检查
`［］`(默认)|标量

Simulink检查的内核计算内部变量范围的较低值。金宝app

金宝appSimulink使用最小值执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
模拟范围检查(见指定信号范围(金宝app模型)而且启用模拟距离检查(金宝app模型))．
自动缩放定点数据类型。
优化从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的内核最低参数不饱和或剪辑实际的内核计算值信号。

编程使用

块参数：KernelOutMin

类型:字符向量

值：“[]”|标量

默认的：“[]”

`内核最大`-用于范围检查的最大内核计算值
`［］`(默认)|标量

Simulink检查的内核计算内部变量范围的上限值。金宝app

金宝appSimulink使用最大值执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))。
模拟范围检查(见指定信号范围(金宝app模型)而且启用模拟距离检查(金宝app模型))．
自动缩放定点数据类型。
优化从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的内核最大参数不饱和或剪辑实际的内核计算值信号。

编程使用

块参数：KernelOutMax

类型:字符向量

值：“[]”|标量

默认的：“[]”

模型的例子

使用回归支持向量机预测块预测响应

使用回归学习者应金宝app用程序训练支持向量机(SVM)回归模型，然后使用RegressionSVM预测块用于响应预测。

打开实时脚本

块特征

数据类型	`布尔`\|`双`\|`不动点`\|`一半`\|`整数`\|`单`
直接引线	`是的`
多维信号	`没有`
适应信号	`没有`
讨论二阶导数过零检测	`没有`

提示

如果您使用的是线性支持向量机模型，并且它有许多支持向量，那么预测可能会很慢。金宝app为了有效地预测基于线性支持向量机模型的响应，从模型中去除支持向量金宝appRegressionSVM或CompactRegressionSVM对象，使用discard金宝appSupportVectors．

选择功能

函数可以使用MATLAB函数块预测SVM回归对象的对象函数(RegressionSVM或CompactRegressionSVM)．有关示例，请参见使用MATLAB函数块预测类标签．

当决定是否使用RegressionSVM预测的统计和机器学习工具箱™库中的函数块或MATLAB函数块预测函数，考虑如下:

如果使用“统计和机器学习工具箱”库块，则可以使用定点的工具(定点设计师)将浮点模型转换为定点模型。
金宝app控件的MATLAB函数块必须启用对可变大小数组的支持预测函数。
如果使用MATLAB函数块，则可以在同一MATLAB函数块中使用MATLAB函数进行预测前后的预处理或后处理。

兼容性的考虑

全部展开

指定内核数据类型作为数据类型名称或数据类型对象

R2021a的行为发生了变化

从R2021a开始，内核数据类型参数不支持继承的选项。金宝app你可以指定内核数据类型作为受支持金宝app的数据类型名称或数据类型对象。

RegressionSVM预测

描述

港口

输入

x-预测数据行向量|列向量

依赖关系

输出

yfit-预测反应标量

参数

主要

选择训练过的机器学习模型- SVM回归模型svmMdl(默认)|RegressionSVM对象|CompactRegressionSVM对象

编程使用

数据类型

整数舍入模式-舍入模式的定点操作地板上(默认)|天花板|收敛|最近的|轮|简单的|零

编程使用

饱和整数溢出-溢出动作方式从(默认)|在

编程使用

锁定输出数据类型设置，防止由定点工具更改-防止定点工具覆盖数据类型从(默认)|在

编程使用

输出数据类型—yfit输出的数据类型继承:汽车(默认)|双|单|一半|int8|uint8|int16|uint16|int32|uint32|int64|uint64|布尔|fixdt (16)|fixdt (1 16 0)|fixdt(1, 16日2 ^ 0,0)|<数据类型表达式>

编程使用

输出最小-范围检查yfit输出的最小值［］(默认)|标量

编程使用

输出最大-用于范围检查的yfit输出最大值［］(默认)|标量

编程使用

内核数据类型—内核计算数据类型双(默认)|单|一半|int8|uint8|int16|uint16|int32|int64|uint64|uint32|布尔|fixdt (16)|fixdt (1 16 0)|fixdt(1, 16日2 ^ 0,0)|<数据类型表达式>

编程使用

内核最低-最小内核计算值范围检查［］(默认)|标量

编程使用

内核最大-用于范围检查的最大内核计算值［］(默认)|标量

编程使用

模型的例子

使用回归支持向量机预测块预测响应

块特征

提示

选择功能

兼容性的考虑

指定内核数据类型作为数据类型名称或数据类型对象

扩展功能

C/ c++代码生成使用Simulink®Coder™生成C和c++代码。金宝app

定点转换使用定点设计器设计和模拟定点系统。

另请参阅

块

对象

功能

主题

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的MATLAB指南

`x`-预测数据
行向量|列向量

`yfit`-预测反应
标量

`选择训练过的机器学习模型`- SVM回归模型
`svmMdl`(默认)|`RegressionSVM`对象|`CompactRegressionSVM`对象

`整数舍入模式`-舍入模式的定点操作
`地板上`(默认)|`天花板`|`收敛`|`最近的`|`轮`|`简单的`|`零`

`饱和整数溢出`-溢出动作方式
`从`(默认)|`在`

`锁定输出数据类型设置，防止由定点工具更改`-防止定点工具覆盖数据类型
`从`(默认)|`在`

`输出数据类型`—yfit输出的数据类型
`继承:汽车`(默认)|`双`|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`uint32`|`int64`|`uint64`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型表达式>`

`输出最小`-范围检查yfit输出的最小值
`［］`(默认)|标量

`输出最大`-用于范围检查的yfit输出最大值
`［］`(默认)|标量

`内核数据类型`—内核计算数据类型
`双`(默认)|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`int64`|`uint64`|`uint32`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型表达式>`

`内核最低`-最小内核计算值范围检查
`［］`(默认)|标量

`内核最大`-用于范围检查的最大内核计算值
`［］`(默认)|标量

C/ c++代码生成
使用Simulink®Coder™生成C和c++代码。金宝app

定点转换
使用定点设计器设计和模拟定点系统。