Generación de código
MATLAB®编码器™genera código C y c++ portátil y易读的partir de las funciones de统计和机器学习工具箱兼容con la generación de código。Por ejemplo, puede分类新观测与配置的硬件que无pueden ejutar MATLAB中间la implementación de unmodelo de clasificación de máquina de apoyo矢量(SVM, Por sus siglas en inglés) entrenado en el配置的配置实用的la generación de código。
Puede generar código C/ c++ para estas funciones de varas maneras:
Utilice
saveLearnerForCoder，loadLearnerForCoderycodegen(MATLAB编码器)Para una función de object de UN modelo de machine learning。使用un configuration ador de codificadores creado por
learnerCoderConfigurerPara las funciones de客体预测y更新De UN modelo De machine learning。配置操作程序generación de código中间配置和实际操作程序parámetros del modelo en el código generado。Utilice
codegenPara otas funciones compatibles con la generación de código。
También puede generar código C/ c++ de punto fijo para la predicción de algunos modelos de机器学习。Este tipo de generación de código requiere定点设计器™。
Para integral la predicción de un modelo de machine learning en 金宝appSimulink®，使用unblock de funciones de MATLAB o los bloques de Simulink 金宝appde la biblioteca de Statistics and Machine Learning Toolbox。
Para obtener información sobre la generación de código, consulte代码生成简介．
Para obtener una lista de las funciones compatibles con la generación de código, consulte功能列表(generación de código C/ c++)．
一些必要
Objetos
Bloques
特马
Flujos de trabajo de generación de código
- 代码生成简介
学习如何为统计和机器学习工具箱函数生成C/ c++代码。 - 通用代码生成工作流程
生成不使用机器学习模型对象的统计和机器学习工具箱函数的代码。 - 命令行机器学习模型预测的代码生成
在命令行生成用于预测分类或回归模型的代码。 - 增量学习的代码生成
生成在命令行实现二进制线性分类增量学习的代码。 - 利用MATLAB编码器应用程序生成机器学习模型预测的代码
类生成用于分类或回归模型预测的代码MATLAB编码器应用程序。 - 使用编码器配置器预测和更新的代码生成
使用编码器配置器生成模型预测的代码，并在生成的代码中更新模型参数。 - 为代码生成指定可变大小的参数
生成接受输入参数的代码，这些输入参数的大小可能在运行时改变。 - 生成代码对表中的数据进行分类
生成用于对包含数字变量和分类变量的表中的数据进行分类的代码。 - 为分类预测器创建虚拟变量并生成C/ c++代码
在拟合SVM分类器和生成代码之前，将分类预测器转换为数字虚拟变量。 - 支持向量机预测的定点代码生成
生成用于SVM分类或回归模型预测的定点代码。 - 代码生成和分类学习应用程序
使用classification Learner应用程序训练分类模型，并生成用于预测的C/ c++代码。 - 最近邻搜索器的代码生成
使用最近邻搜索器模型生成查找最近邻的代码。 - 概率分布对象的代码生成
生成将概率分布对象拟合到样本数据并计算拟合的分布对象的代码。 - 分类学习者训练的逻辑回归模型的代码生成
这个例子展示了如何使用Classification Learner训练逻辑回归模型，然后生成使用导出的分类模型预测标签的C代码。 - 异常检测的代码生成
使用训练过的隔离森林模型或单类SVM生成检测数据异常的单精度代码。
Bloques de predicción de clasificación y regresión
- 使用classiationsvm预测块预测类标签
这个例子展示了如何在Simulink®中使用ClassificationSVM预测块进行标签预测。金宝app - 使用ClassificationTree预测块预测类标签
使用分类学习者应用程序训练分类决策树模型，然后使用ClassificationTree预测块，用于标签预测。 - 使用ClassificationEnsemble预测块预测类标签
训练一个具有最优超参数的分类集成模型，然后使用ClassificationEnsemble预测块，用于标签预测。 - 使用ClassificationNeuralNetwork预测块预测类标签
训练一个神经网络分类模型，然后使用ClassificationNeuralNetwork预测块，用于标签预测。 - 使用ClassificationKNN预测块预测类标签
训练一个最近邻分类模型，然后使用ClassificationKNN预测块，用于标签预测。 - 使用回归支持向量机预测块预测响应
使用回归学习者应金宝app用程序训练支持向量机(SVM)回归模型，然后使用RegressionSVM预测块用于响应预测。 - 使用RegressionTree预测块预测响应
这个例子展示了如何在Simulink®中使用RegressionTree Predict块进行响应预测。金宝app - 使用RegressionEnsemble预测块预测响应
训练一个具有最优超参数的回归集成模型，然后使用RegressionEnsemble预测块用于响应预测。 - 使用回归神经网络预测块预测响应
训练一个神经网络回归模型，然后使用RegressionNeuralNetwork预测块用于响应预测。 - 使用RegressionGP预测块预测响应
训练一个高斯过程(GP)回归模型，然后使用RegressionGP预测块用于响应预测。
应用程序generación de código
- 使用MATLAB函数块预测类标签
从Simulink模型生成代码，该模型使用金宝appSVM模型对数据进行分类。 - 用于分类和代码生成的系统对象
从System对象™生成代码，用于使用经过训练的分类模型进行预测，并在Simulink模型中使用System对象。金宝app - 使用状态流预测类标签
从状态流生成代码®使用判别分析分类器对数据进行分类的模型。 - 面向定点部署的人体活动识别Simulink模型金宝app
从为定点部署准备的分类Simulink模型生成代码。金宝app - 在Arduino硬件上使用机器学习算法识别打孔和弯曲手势(金宝appArdu金宝appino硬件的Simulink支持包)
本示例展示了如何使用Arduino®硬件的Simulink®支持包来金宝app使用机器学金宝app习算法识别打孔和弯曲的手势。 - 将神经网络回归模型应用于FPGA/ASIC平台
在Simulink中使金宝app用神经网络回归模型进行预测，并使用HDL代码生成将Simulink模型部署到FPGA/ASIC平台。
包括destacados
您也可以从以下列表中选择一个网站: