加载样本数据

加载样本数据并将数据导入到分类学习者应用程序中。

加载患者数据集。指定预测数据数据X， 包含由...组成p预测变量和响应变量y。

加载患者x = [年龄舒张期收缩压]；p =大小（x，2）;y =性别;

在应用选项卡，单击显示更多应用程序部分右侧的箭头显示画廊，然后选择分类学习者。在分类学习者标签，在文件部分，选择新会话>来自工作区。

在工作区对话框的新会话中，数据集变量， 选择X从工作区变量列表中。在下面回复， 点击从工作区选项按钮，然后选择y从列表中。要接受默认验证方案并继续，请单击开始会话。默认验证选项为5倍交叉验证，以防止过度拟合。

默认情况下，分类学习者创建数据的散点图。

火车逻辑回归模型

在分类学习者应用程序中训练逻辑回归模型。

在分类学习者标签，在型号类型部分，单击显示更多箭头显示分类器的画廊。在下面逻辑回归分类器， 点击逻辑回归模型。点击火车在里面训练部分。该应用程序训练模型并显示其交叉验证精度得分准确性（验证）。

导出到工作空间

将模型导出到MATLAB®工作区，并使用Savelearnerforcoder。

在里面出口部分，选择导出模型>导出紧凑型模型。点击好的在对话框中。

结构训练的模型出现在MATLAB工作区中。场Generalizedlinearmodel的训练的模型包含紧凑型模型。

笔记：如果您使用所有支持文件运行此示例，则可以加载金宝app训练的model.mat在命令行中文件而不是导出模型。这训练的模型结构是使用上一步创建的。

加载（'Trainedmodel.mat'）

在命令行，将紧凑模型保存到名为的文件mymodel.mat在您当前的文件夹中。

Savelearnerforcoder（训练Model.generalizedlinearmodel，'mymodel'）

此外，保存训练有素的模型的成功，失败和缺少类的名称。

classNames = {TrainedModel.SuccessClass，...TrainedModel.failureclass，TrainedModel.MissingClass};节省（'ModelParameters.mat'，，，，'classNames'）；

生成预测的C代码

定义预测的入口点函数，并通过使用代码根。

在您当前的文件夹中，定义一个名称的函数classifyx.m有以下操作：

功能label = classifyx（x）％＃codegen％classifyx使用逻辑回归模型分类％classifyx分类x中的测量值％使用文件mymodel.mat中的logistic回归模型，％，然后在标签中返回类标签。n =大小（x，1）;label = coder.nullcopy（cell（n，1））;compactmdl = loadlearnernerforcoder（'mymodel'）；概率=预测（compactmdl，x）;index =〜isnan（概率）。*（（概率<0.5）+1） + isnan（概率）*3;classInfo = coder.load（“模型参数”）；classNames = classInfo.ClassNames;为了i = 1：n label {i} = classNames {index（i）};结尾结尾

笔记：如果在使用功能选择或主组件分析（PCA）之后，在分类学习者中创建逻辑回归模型，则必须在入口点功能中包含其他代码行。有关显示这些附加步骤的示例，请参见代码生成和分类学习者应用程序。

从classifyx.m。创建一个矩阵数据用于代码生成coder.typeof。指定行中的行数数据是任意的，但是数据一定有p列，哪里p是用于训练逻辑回归模型的预测因子的数量。使用-args指定选项数据作为论点。

data = coder.typeof（x，[inf p]，[1 0]）;代码根classifyx.m-args数据

代码生成成功。

代码根生成MEX文件classifyx_mex.mex64在您当前的文件夹中。文件扩展名取决于您的平台。

验证MEX功能是否返回预期标签。从X。

rng（'默认'）％可再现性testx = dataSample（x，15）;

通过使用预测FCN在分类学习者中训练的分类模型中的功能。

TestLabels = TrainedModel.PredictFCN（testx）;

通过使用生成的MEX函数对观测值进行分类classifyx_mex。

testLabelsMex = classifyx_mex（testx）;

比较一组预测。是平等的返回逻辑1（true）如果测试标签和TestLabelsMex相等。

iSequal（testlabels，TestLabelsMex）

ans =逻辑1

预测FCN和MEX功能classifyx_mex返回相同的值。