saveLearnerForCoder
描述
生成C / c++代码的对象的函数(包括机器学习模型预测
,随机
,knnsearch
,rangesearch
,isanomaly
和增量学习函数),使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
(MATLAB编码器)。机器学习模型,训练后保存模型通过使用saveLearnerForCoder
。定义一个入口点函数,通过使用加载模型loadLearnerForCoder
并调用一个对象的功能。然后使用codegen
或者是MATLAB®编码器™应用程序来生成C / c++代码。需要生成C / c++代码MATLAB编码器。
这个流程图显示对象的代码生成工作流功能的机器学习模型。使用saveLearnerForCoder
突出显示的步骤。
定点C / c++代码生成需要一个额外的步骤,定义了定点预测所需的变量的数据类型。创建一个定点数据类型结构通过使用生成的数据类型的功能generateLearnerDataTypeFcn
,使用的结构作为输入参数loadLearnerForCoder
在一个入口点函数。需要生成定点C / c++代码MATLAB编码器和定点设计师™。
这个流程图显示了定点代码生成的工作流预测
机器学习模型的函数。使用saveLearnerForCoder
突出显示的步骤。
saveLearnerForCoder (
准备一个模型(Mdl
,文件名
)Mdl
)在MATLAB代码生成和保存格式的二进制文件(MAT-file)命名文件名
。你可以通过文件名
来loadLearnerForCoder
重建的模型对象文件名
文件。
例子
输入参数
提示
使用之前保存模型
saveLearnerForCoder
功能,您可以删除支持向量线性SVM模型或一个ECO金宝appC模型与线性SVM学习者使用discard金宝appSupportVectors
函数。线性支持向量机模型的预测系数提供足够的信息来预测标签新观测和响应,和删除支持向量减少内存使用量在生成的代码中。金宝app如果
Mdl
是一个线性支持向量机模型,该模型具有预测系数和支持向量,然后你可以删除的支持向量模型通过使用金宝appdiscard金宝appSupportVectors
(分类)或函数discard金宝appSupportVectors
函数(回归)。默认情况下,支持向量机模型与线性内核包括预测系数和支持向量。金宝app如果
Mdl
是一个ECOC模型与线性支持向量机的学习者,学习者都预测系数和支持向量,然后你可以删除从学习者通过使用支持向量金宝appdiscard金宝appSupportVectors
函数。默认的Save金宝appSupportVectors
线性SVM学习者的价值假
。因此,默认情况下,一个ECOC模型不包括支持向量的学习者。金宝app
算法
saveLearnerForCoder
准备一个机器学习模型(Mdl
代码生成。该函数删除一些不必要的属性。
对于一个拥有相应的紧凑的模型模型,
saveLearnerForCoder
应用适当的函数紧凑的
函数模型之前拯救它。了一个模型,没有相应的契约模型,如
ClassificationKNN
,ClassificationKernel
,ClassificationLinear
,RegressionKernel
,RegressionLinear
,ExhaustiveSearcher
,KDTreeSearcher
,IsolationForest
,saveLearnerForCoder
函数删除属性如hyperparameter优化属性,培训解决信息等等。
loadLearnerForCoder
负荷模型所救saveLearnerForCoder
。
选择功能
使用一个编码器配置创建的
learnerCoderConfigurer
这个表中列出的模型。模型 编码器配置对象 二叉决策树的多类分类 ClassificationTreeCoderConfigurer
看到下面成了和二进制分类的支持向量机 ClassificationSVMCoderConfigurer
线性模型的二进制分类 ClassificationLinearCoderConfigurer
多类支持向量机模型和线性模型 ClassificationECOCCoderConfigurer
二叉决策树的回归 RegressionTreeCoderConfigurer
金宝app支持向量机(SVM)回归 RegressionSVMCoderConfigurer
线性回归 RegressionLinearCoderConfigurer
训练后机器学习模型,创建一个编码器的配置模型。使用对象的功能和属性配置配置代码生成选项和生成的代码
预测
和更新
模型的功能。如果您生成代码使用编码器配置,您可以更新模型参数生成的代码,而不必重新生成代码。有关详细信息,请参见代码生成的预测和更新使用编码器配置。
版本历史
介绍了R2019b