代码生成
MATLAB®编码器™生成可读和可移植的C和c++代码从统计和机器学习的工具箱支持代码生成的功能。金宝app例如,您可以将新观察硬件设备不能运行MATLAB通过部署一个训练支持向量机(SVM)分类模型到设备使用代码生成。金宝app
您可以为这些函数生成C / c++代码在几个方面:
使用
saveLearnerForCoder,loadLearnerForCoder,codegen(MATLAB编码器)机器学习模型的目标函数。使用一个编码器配置创建的
learnerCoderConfigurer为预测和更新对象功能的机器学习模型。配置代码生成选项通过使用配置和更新模型参数生成的代码。使用
codegen支持代码生成的其他功能。金宝app
你也可以生成预测定点C / c++代码的机器学习模型。这种类型的代码生成需要定点设计师™。
机器学习模型的集成预测模型金宝app®,使用MATLAB的仿真软件模块功能块或统计和机器学习工具库。金宝app
了解代码生成,请参阅介绍代码生成。
支持代码生成的函数列表,看看金宝app功能列表(C / c++代码生成)。
功能
对象
块
主题
代码生成工作流
学习如何生成C / c++代码的统计和机器学习的工具箱函数。
生成代码的统计和机器学习的工具箱函数,不要使用机器学习模型对象。
生成代码的预测分类或回归模型在命令行。
生成代码的二进制线性分类实现增量学习命令行。
生成代码的预测分类或回归模型使用MATLAB编码器应用程序。
生成代码的预测模型使用一个编码器配置,和更新模型参数生成的代码。
生成代码,它接受输入参数的大小可能在运行时改变。
分类数据的生成代码在一个表中包含数字和分类变量。
分类预测转换为数字虚拟变数之前安装一个支持向量机分类器和生成代码。
生成SVM的预测的定点代码分类或回归模型。
使用分类学习者应用训练分类模型,并生成C / c++代码的预测。
生成代码寻找最近的邻居使用最近邻搜索器模型。
生成代码符合概率分布对象示例数据和评价拟合分布对象。
这个例子展示了如何使用分类学习者训练逻辑回归模型,然后生成C代码标签使用导出的分类预测模型。
分类和回归预测块
这个例子展示了如何使用标签预测ClassificationSVM预测块的仿真软件®。金宝app
使用分类学习者训练一个分类决策树模型应用程序,然后使用ClassificationTree预测预测块的标签。
预测类标签使用ClassificationEnsemble预测块
与最优hyperparameters合奏训练分类模型,然后使用ClassificationEnsemble预测预测块的标签。
预测类标签使用ClassificationNeuralNetwork预测块
训练一个神经网络分类模型,然后使用ClassificationNeuralNetwork预测预测块的标签。
训练支持向量机(金宝appSVM)回归模型使用回归学习者应用程序,然后使用RegressionSVM预测为响应预测块。
这个例子展示了如何使用RegressionTree预测块的响应预测模型®。金宝app
火车与最优hyperparameters回归整体模型,然后使用RegressionEnsemble预测为响应预测块。
预测使用RegressionNeuralNetwork预测块的反应
训练一个神经网络回归模型,然后使用RegressionNeuralNetwork预测为响应预测块。
代码生成的应用程序
从仿真软件模型生成代码,使用SVM分类数据金宝app模型。
生成代码从一个系统对象™使用训练分类模型进行预测,并利用仿真软件的系统对象模型。金宝app
从Stateflow生成代码®模型,利用判别分析分类器分类数据。
从分类模型模型生成代码准备定点部署。金宝app
Flex手势识别穿孔和Arduino的硬件上使用机器学习算法(金宝appArdu金宝appino硬件仿真软件支持包)
这个例子展示了如何使用仿真软件®支持包Arduino®硬件识别穿孔和金宝appflex手金宝app势使用机器学习算法。
