训练分类模型

训练一个具有代码生成功能的分类模型对象预测函数。在这种情况下，训练支持向量机分类模型。金宝app

负载fisheriris第1 = ~ strcmp(物种,“setosa”）;X =量(第1 3:4);Y =物种(第1);Mdl = fitcsvm (X, Y);

这个步骤可以包括数据预处理、特征选择和使用交叉验证优化模型等。

保存模型使用saveLearnerForCoder

将分类模型保存到文件中SVMModel.mat通过使用saveLearnerForCoder．

saveLearnerForCoder (Mdl“SVMModel”）;

saveLearnerForCoder将分类模型保存到MATLAB二进制文件中SVMModel.mat作为当前文件夹中的结构数组。

定义入口点函数

一个入口点函数，又称顶级或主函数，是为代码生成而定义的函数。因为你不能在顶层使用codegen，您必须定义一个入口点函数来调用支持代码生成的函数，并通过使用codegen．入口点函数中的所有函数必须支持代码生成。金宝app

定义一个入口点函数，返回输入预测器数据的预测标签。在函数中，使用loadLearnerForCoder，然后将加载的模型传递给预测．在本例中，定义predictLabelsSVM函数，使用SVM模型预测标签Mdl．

类型predictLabelsSVM.m%显示predictLabelsSVM的内容。m文件

函数label = predictLabelsSVM(x) %#codegen % predictLabelsSVM使用训练的SVM模型Mdl标记新观测值% predictLabelsSVM使用保存的SVM模型Mdl和预测数据%预测标签的向量x. Mdl = loadLearnerForCoder('SVMModel');标签=预测(Mdl x);结束

添加% # codegen编译器指令(或pragma)到函数签名后的入口点函数，以指示您打算为MATLAB算法生成代码。添加此指令将指示MATLAB代码分析器帮助您诊断和修复在代码生成期间可能导致错误的违规。看到用代码分析器检查代码(MATLAB编码器)．

注意:如果你点击这个页面右上角的按钮，并在MATLAB®中打开这个示例，那么MATLAB®将打开示例文件夹。这个文件夹包括入口点函数文件。

生成代码

设置编译器

要生成C/ c++代码，您必须访问配置正确的C/ c++编译器。MATLAB编码器定位并使用一个受支持的、安装的编译器。金宝app您可以使用墨西哥人设置查看和更改默认编译器。有关详细信息，请参见改变默认的编译器．

使用生成代码codegen

使用生成入口点函数的代码codegen(MATLAB编码器)．因为C和c++都是静态类型语言，所以必须在编译时确定入口点函数中所有变量的属性。在调用时指定入口点函数的所有输入的数据类型和大小codegen通过使用arg游戏选择。

在这种情况下，通过X作为一个值arg游戏选项指定生成的代码必须接受与训练数据具有相同数据类型和数组大小的输入X．

codegenpredictLabelsSVMarg游戏{X}

代码生成成功。

如果在编译时观察值的数量未知，还可以使用coder.typeof(MATLAB编码器)．有关详细信息,请参见为代码生成指定可变大小参数和指定入口点函数输入的属性(MATLAB编码器)

构建类型

MATLAB编码器可以生成以下构建类型的代码:

属性指定构建类型配置选择codegen(MATLAB编码器)．有关设置代码生成选项的详细信息，请参见配置选择codegen(MATLAB编码器)和配置构建设置(MATLAB编码器)．

默认情况下,codegen生成一个MEX函数。MEX函数是一个C/ c++程序，可在MATLAB中执行。您可以使用MEX函数来加速MATLAB算法，并测试生成的代码的功能和运行时问题。有关详细信息,请参见MATLAB算法加速(MATLAB编码器)和为什么在MATLAB中测试MEX函数?(MATLAB编码器)．

代码生成报告

你可以使用报告标记以生成代码生成报告。该报告帮助您调试代码生成问题，并查看生成的C/ c++代码。有关详细信息,请参见代码生成报告(MATLAB编码器)．

验证生成的代码

测试MEX函数，以验证生成的代码是否提供了与原始MATLAB代码相同的功能。要执行此测试，请使用与运行原始MATLAB代码相同的输入运行MEX函数，然后比较结果。在生成独立代码之前在MATLAB中运行MEX函数，还可以检测和修复在生成的独立代码中很难诊断的运行时错误。有关详细信息，请参见为什么在MATLAB中测试MEX函数?(MATLAB编码器)．

通过一些预测数据来验证是否预测，predictLabelsSVM，而MEX函数返回相同的标签。

labels1 =预测(Mdl X);labels2 = predictLabelsSVM (X);labels3 = predictLabelsSVM_mex (X);

通过使用比较预测的标签isequal．

verifyMEX = isequal (labels1 labels2 labels3)

verifyMEX =逻辑1

isequal返回逻辑1 (真正的)，这意味着所有的输入都是相等的。比较证实了预测函数,predictLabelsSVM函数和MEX函数返回相同的标签。