MATLAB®编码器™从支持代码生成的Statistics和Machine Learning Toolbox函数中生成可读且可移植的C和c++代码。金宝app例如,通过使用代码生成将训练过的支持向量机(SVM)分类模型部署到设备上,您可以对无法运行MATLAB的硬件设备上的新观察结果进行分类。金宝app
您可以通过几种方式为Statistics和Machine Learning Toolbox函数生成C/ c++代码。
对象函数的代码生成(预测
,随机
,knnsearch
,或rangesearch
)的机器学习模型-使用saveLearnerForCoder
,loadLearnerForCoder
,codegen
.使用保存训练过的模型saveLearnerForCoder
.定义一个入口点函数来加载保存的模型loadLearnerForCoder
并调用目标函数。然后使用codegen
为入口点函数生成代码。
的代码生成预测
和更新
使用支持向量机或线性二进制学习者的树模型、SVM模型、线性模型或多类纠错输出码(ECOC)分类模型的函数learnerCoderConfigurer
然后使用生成代码generateCode
.您可以在生成的C/ c++代码中更新模型参数,而不必重新生成代码。
其他支持代码生成的功能-使用金宝appcodegen
.定义一个入口点函数,它调用支持代码生成的函数。金宝app然后为入口点函数生成C/ c++代码codegen
.
您还可以生成用于预测SVM分类模型或SVM回归模型的定点C/ c++代码。这种类型的代码生成需要定点设计器™。
要了解代码生成,请参见代码生成简介.
查看代码生成使用说明、限制以及支持代码生成的Statistics和Machine Learning Toolbox函数列表。
学习如何为Statistics和Machine Learning Toolbox函数生成C/ c++代码。
为不使用机器学习模型对象的Statistics和Machine Learning Toolbox函数生成代码。
在命令行生成用于预测分类或回归模型的代码。
生成用于预测分类或回归模型的代码MATLAB编码器应用程序。
使用编码器配置器生成预测模型的代码,并在生成的代码中更新模型参数。
使用classification Learner app训练一个分类模型,并生成C/ c++代码用于预测。
使用最近邻居搜索器模型生成查找最近邻居的代码。
生成代码,接受可能在运行时改变大小的输入参数。
在拟合SVM分类器并生成代码之前,将分类预测器转换为数值虚拟变量。
为SVM分类或回归模型的预测生成定点代码。
生成代码,将概率分布对象与样本数据相匹配,并对匹配的分布对象进行评估。
从Simulink生成代码金宝app®使用SVM模型对数据进行分类的模型。
从System对象™生成代码,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
从一个状态流生成代码®使用判别分析分类器对数据进行分类的模型。