使用MATLAB功能块预测类标签

此示例使用：

打开直播脚本

此示例显示如何将Matlab®功能块添加到Simulink®模型以进行标签预测。金宝appMatlab功能块接受流数据，并使用培训的支持向量机（SVM）分类模型预测标签和分类分数。金宝app有关使用MATLAB功能块的详细信息，请参阅使用MATLAB功能块创建自定义功能(金宝app模型)．

训练分类模型

本示例使用电离层数据集，包含雷达返回质量（Y）和预测数据（X）。雷达返回质量很好（‘g’）或质量不好（“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如果雷达返回很好，和0否则。

y = strcmp（y，‘g’）;

假设按顺序检测到雷达返回，并且您拥有前300个观察，但您还没有收到最后51次。将数据分区为现在和未来的样本。

prsntx = x（1：300，:);prsnty = y（1：300）;ftrx = x（301：结束，:);ftry = y（301：结束）;

使用全部，目前可用的数据列车培训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`Savelarnerforcoder.`

在命令行，您可以使用MDL.对新观察进行预测。但是，你不能使用MDL.作为函数中的输入参数意味着代码生成。

准备MDL.使用在功能内加载Savelarnerforcoder.．

SavelAlnerForCoder（MDL，“SVMIonosphere”）;

Savelarnerforcoder.紧凑型MDL.，然后保存到MAT-file中SVMIonosphere.mat．

定义MATLAB函数

定义名为matlab函数svmionopepredict.m.这可以预测雷达回波质量是否良好。函数必须:

包括代码生成指令% # codegen在功能的某个地方。
接受雷达返回预测器数据。数据必须与之相称X除了行数。
加载SVMIonosphere.mat使用loadLearnerForCoder．
返回预测标签和分类分数，用于预测雷达返回的质量，如良好的（即积极级别得分）。

功能[标签，得分] = svmionopepredict（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雷达的％分数在预测器数据x的数字矩阵中返回％使用文件svmionoSphere.mat中的Compact SVM模型。行的行%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％将雷达返回质量分类为好。％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部分的按钮，请在MATLAB®中打开此示例，然后MATLAB打开示例文件夹。此文件夹包含入口点函数文件。

创建Simul金宝appink模型

用MATLAB函数金宝app块创建一个Simulink®模型svmionopepredict.m.．

这个例子提供了Simulink模型金宝appslexsvmionopepredictexample.slx.．打开Simulin金宝appk模型。

SimMdlName =“slexSVMIonospherePredictExample”;Open_System（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svmionopepredict.m.．在预测标签和分数之后，模型将这些值返回到工作区，并一次显示模型内的值。当你加载时slexsvmionopepredictexample.slx.， MATLAB®还加载它需要调用的数据集RadarreturnInput.．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RadarreturnInput.包含这些字段：

时间-观测数据进入模型的时间点。在这个例子中，持续时间包括从0到50的整数。方位必须与预测器数据中的观测值相对应。在这个例子中，时间必须是列向量。
信号—描述输入数据的1 × 1结构数组，包含字段价值和方面．价值是预测器数据的矩阵。方面是预测变量的数量。

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RadarreturnInput.，然后在模型中指定新名称。然而，Simuli金宝appnk®期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RadarreturnInput.．

sim（simmdlname）;

该图显示了它在处理所有观察后的模型RadarreturnInput.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，和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，请参见用于记录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;

Labelssl.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51×1的数字矢量的正面评分，即距决策边界的距离。正得分对应于预测标签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Scorescmd.与之相称Labelssl.和Scoressl.．

比较一下由slexSVMIonospherePredictExample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。

如果您还有Simulink®Coder金宝app™许可证，则可以从中生成C代码slexsvmionopepredictexample.slx.在Si金宝appmulink®或使用命令行使用rtwbuild(金宝app仿真软件编码器)．有关详细信息，请参见为模型生成C代码(金宝app仿真软件编码器)．