训练分类模型

本示例使用电离层包含雷达回波质量的数据集(Y)和预测数据(X).雷达回波要么质量良好(‘g’)或者质量不好(“b”).

加载电离层数据集。确定样本大小。

负载电离层n =元素个数(Y)

n=351

MATLAB函数块不能返回单元格数组。将响应变量转换为逻辑向量，其元素为1如果雷达返回良好，以及0否则。

Y=strcmp（Y，‘g’）;

假设按顺序检测到雷达回波，并且您有前300个观测值，但尚未收到最后51个观测值。将数据划分为当前和将来的样本。

prsntX=X（1:300，：）；prsntY=Y（1:300）；ftrX=X（301:end，：）；ftrY=Y（301:end）；

使用所有当前可用数据训练SVM模型。指定预测数据标准化。

Mdl=fitcsvm（prsntX、prsntY、，“标准化”,真正的);

Mdl是一个分类VM模型。

保存模型使用saveLearnerForCoder

在命令行中，可以使用Mdl对新的观测结果进行预测。但是，您不能使用Mdl作为用于代码生成的函数中的输入参数。

准备Mdl要在函数中加载，请使用saveLearnerForCoder．

saveLearnerForCoder（Mdl，“SVMIonosphere”）;

saveLearnerForCoder压实Mdl，然后保存到MAT-file中SVMIonosphere.mat．

定义MATLAB函数

定义一个名为Svminosphereprodict.m这可以预测雷达回波质量是否良好。函数必须:

功能[标签，分数]=Svminosphereprodict（X）% # codegen使用支持向量机模型预测雷达回波质量% svmIonospherePredict预测标签和估计分类%预测器数据X数值矩阵中的雷达回波分数%使用文件SVMIonosphere.mat.X行中的压缩SVM模型%对应观察值和预测变量的列。标签%是预测标签，分数是对的置信度测量%将雷达回波质量分类为良好。％版权所有2016 The MathWorks Inc.Mdl = loadLearnerForCoder (“SVMIonosphere”）;[标签,bothscores] =预测(Mdl X);分数= bothscores (:, 2);结束

注意：如果单击此页面右上角的按钮并在MATLAB中打开此示例，则MATLAB将打开示例文件夹。此文件夹包括入口点函数文件。

创建Simul金宝appink模型

使用MATLAB功金宝app能块创建Simulink模型，该功能块分配给Svminosphereprodict.m．

这个例子提供了Simulink模型金宝appSLEXSVM电离层预测样本.slx．打开Simulin金宝appk模型。

SimMdlName =“slexSVMIonospherePredictExample”；开放式系统（SimMdlName）

图中显示了Simulink模型。金宝app当输入节点检测到雷达返回时，它将该观察结果导向MATLAB函数块，并将其分派到Svminosphereprodict.m。预测标签和分数后，模型会将这些值返回到工作区，并在模型中一次显示一个值。加载时SLEXSVM电离层预测样本.slx， MATLAB也加载它需要调用的数据集雷达回波输入．但是，这个示例展示了如何构造所需的数据集。

模型期望以结构数组的形式接收输入数据雷达回波输入包含以下字段：

为将来雷达返回创建一个适当的结构阵列。

radarReturnInput。时间= (0:50)';radarReturnInput.signals(1)。值= ftrX;radarReturnInput.signals(1)。尺寸大小= (ftrX 2);

您可以更改名称雷达回波输入，然后在模型中指定新名称。但是，Simuli金宝appnk希望结构数组包含所描述的字段名。

使用训练之外的数据，即训练中的数据，模拟模型雷达回波输入．

sim（SimMdlName）；

该图显示了模型在处理中的所有观察结果后的情况雷达回波输入一次一个。预测的标签X（351，：）是1它的积极等级得分是1.431. 变量吹捧,你，及svmlogsout出现在工作区中。你和svmlogsout是金宝appSimulinkData。数据集包含预测标签和分数的对象。有关详细信息，请参见记录的模拟数据的数据格式(金宝app模型)．

从仿真日志中提取仿真数据。

labelsSL = svmlogsout.getElement (1) .Values.Data;scoresSL = svmlogsout.getElement (2) .Values.Data;

标签是一个51乘1的预测标签的数字向量。labelsSL（j）＝1表示SVM模型预测雷达返回j在未来的样品是好的质量，和0否则意味着。scoresSL是一个51乘1的正类分数数值向量，即距离决策边界的有符号距离。正分数对应于预测的分数标签1，而负分则对应于预测的标签0．

使用命令行预测标签和正类得分预测．

[labelCMD, scoresCMD] =预测(Mdl ftrX);scoresCMD = scoresCMD (:, 2);

labelCMD和计分器相称标签和scoresSL．

比较一下由SLEXSVM电离层预测样本给那些通过呼叫返回的人预测在命令行。

err = sum((scoresCMD - scoresSL).^2);犯错< eps

ans =逻辑1

两组分数之间的平方偏差之和可以忽略不计。

如果您也有Simulink Coder金宝app™许可证，那么您可以从SLEXSVM电离层预测样本.slx在Si金宝appmulink中或从命令行中使用slbuild(金宝app模型)。有关详细信息，请参阅为模型生成C代码(金宝app仿真软件编码器)．