训练分类模型

加载电离层数据集。该数据集有34个预测器和351个雷达返回的二进制响应，或坏(“b”)或好(‘g’).

负载电离层

用。训练分类集成模型K-采用随机子空间方法对最近邻弱学习者进行学习。有关使用随机子空间集合的分类的详细信息，请参见随机子空间分类．

rng (“默认”)%的再现性学习者= templateKNN (“纽曼尼斯堡”,2); Mdl=fitcensemble（X，Y，“方法”,“子”,“NPredToSample”5,．．.“学习者”学习者“NumLearningCycles”13);

使用保存模型saveLearnerForCoder

将训练过的集成模型保存到一个名为knnEnsemble.mat在当前文件夹中。

saveLearnerForCoder (Mdl“knensemble”)

saveLearnerForCoder建立了完整的分类模型Mdl然后将其保存到MATLAB二进制文件中knnEnsemble.mat作为当前文件夹中的结构数组。

定义入口点函数

一入口点函数，也称为顶级或主函数，是为代码生成而定义的函数。您必须定义一个入口点函数来调用支持代码生成的函数，并从入口点函数生成C/ c++代码。入口点函数中的所有函数必须支持代码生成。金宝app

在当前文件夹的新文件中，定义一个名为myknnEnsemblePredict这样做的目的如下：

您可以通过指定来允许可选的名称-值参数变长度输入宗量作为输入参数。有关详细信息，请参阅可变长度参数列表的代码生成(MATLAB编码器)．

类型myknnEnsemblePredict.m%显示MyKNensemblePredict.m文件的内容。

function [label,score] = myknnEnsemblePredict(X,fileName,varargin) %#codegen CompactMdl = loadLearnerForCoder(fileName);(标签,分数)=预测(CompactMdl X,变长度输入宗量{:});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:如果单击页面右上方的按钮并在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(myknnEnsemblePredict.m)和测试文件(test_myknnEnsemblePredict.m，稍后描述）。

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，请参阅改变默认的编译器．

创建测试文件

编写一个调用myknnEnsemblePredict函数。在测试脚本中，指定在生成的代码中使用的输入参数和名称-值对参数。使用MATLAB Coder应用程序生成代码时，可以使用此测试脚本自动定义输入类型。

在本例中，创建test_myknnEnsemblePredict.m当前文件夹中的文件，如图所示。

类型test_myknnEnsemblePredict.m%显示test_myknensemblePredict.m文件的内容。

%%加载样本数据加载电离层%%Test MyKNensemblePredict[标签，分数]=MyKNensemblePredict（X，'KNensemble'，'Learners'，1:13）；

有关详细信息，请参阅使用应用程序自动定义输入类型(MATLAB编码器)．

使用MATLAB编码器应用程序生成代码

MATLAB Coder应用程序从MATLAB代码生成C或c++代码。基于工作流的用户界面引导您完成代码生成过程。下面的步骤描述了MATLAB Coder应用程序的简短工作流MATLAB编码器(MATLAB编码器)和使用MATLAB Coder应用程序生成C代码(MATLAB编码器)．

1.打开MATLAB编码器应用程序并选择入口点函数文件。

在应用程序选项卡,应用程序节中，单击显示更多箭头打开应用程序库。下代码生成,点击MATLAB编码器．应用程序打开选择源文件页面。输入或选择入口点函数的名称，myknnEnsemblePredict．

点击下一个去…定义输入类型页面。

2.定义输入类型

由于C使用静态类型，MATLAB编码器必须在编译时确定MATLAB文件中所有变量的属性。因此，需要指定入口点函数输入的属性。

输入或选择测试脚本test_myknnEnsemblePredict并点击自动定义输入类型．

MATLAB编码器应用程序识别输入类型的myknnEnsemblePredict基于测试脚本的函数。

修改输入类型:

点击下一个去…检查运行时问题页此可选步骤生成MEX文件，运行MEX函数，并报告问题。点击下一个去…生成代码页面。

3.生成C代码

设置构建类型单击“添加到MEX并单击”生成.应用程序生成一个MEX函数，myknnEnsemblePredict_mex．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，请参阅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)．

根据指定的构建类型，MATLAB Coder生成一个MEX函数或编译为静态库、动态链接库或可执行文件的独立C/ c++代码。有关设置生成类型的详细信息，请参见配置构建设置(MATLAB编码器)．

点击下一个去…完成工作流程页面。

4.检查完成工作流页面

这个完成工作流程页面指示代码生成成功。此页面还提供项目摘要和指向生成的输出的链接。

使用脚本生成代码

定义输入类型后，可以将MATLAB编码器项目转换为MATLAB命令的等效脚本。然后运行脚本生成代码。有关详细信息，请参阅转换MATLAB编码器项目到MATLAB脚本(MATLAB编码器)．

在MATLAB编码器应用程序工具栏上，单击开放操作菜单按钮：

选择转换为脚本，然后单击保存．应用程序创建文件myknnEnsemblePredict_script.m，它在配置对象中复制项目并运行codegen(MATLAB编码器)作用

显示文件的内容myknnEnsemblePredict_script.m．

类型myknnEnsemblePredict_script.m

%MyKNensemblePredict_脚本从MyKNensemblePredict生成MEX函数MyKNensemblePredict_MEX%。%%脚本从2017年11月17日的项目“MyKNensemblePredict.prj”生成。%%另请参见CODER、CODER.CONFIG、CODER.TYPEOF、CODEGEN。%%创建类“CODER.mexcodecodeconfig”.cfg=CODER.CONFIG（'MEX'）的配置对象；cfg.GenerateReport=true；cfg.ReportPotentialDifferences=false；%%定义入口点“MyKNensemblePredict”的参数类型。ARGS=cell（1,1）；ARGS{1}=cell（4,1）；ARGS{1}{1}=coder.typeof（0[Inf 34]，[1 0]）；ARGS{1}{2}=coder.Constant（'knensemble'）；ARGS{1}{3}=coder.Constant（'Learners'）；ARGS{1}=typer（0]），[1]）；%%调用MATLAB Coder.codegen-config cfg myknensemblePredict-args args{1}-nargout 2

运行脚本。

myknnEnsemblePredict_script

代码生成成功：要查看报告，请打开（'codegen/mex/myknensembleprodict/html/report.mldatx'）

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)．

传递一些预测数据来验证myknnEnsemblePredictMEX函数返回相同的结果。

[label1，score1]=预测（Mdl，X，“学习者”、1:10);[label2, score2] = myknnEnsemblePredict (X,“knensemble”,“学习者”、1:10);[label3, score3] = myknnEnsemblePredict_mex (X,“knensemble”,“学习者”、1:10);

比较label1,label2,label3利用等质量．

等质量（label1、label2、label3）

ans=必然的1.

等质量返回逻辑1 (真正的)，这意味着所有的输入都是相等的。

这个score3的输出可能包含舍入差值预测函数。在本例中，比较score1和score3，允许有一个小的公差。

找到(abs (score1-score3) > 1 e-12)

Ans = 0x1空双列向量

找到如果元素之间的绝对差值，则返回空向量score1和score3是否大于规定的公差1 e-12．这些比较证实了myknnEnsemblePredictMEX函数返回相同的结果。