代码生成
MATLAB®编码器™生成可读和可移植的C和c++代码从统计和机器学习的工具箱支持代码生成的功能。金宝app例如,您可以将新观察硬件设备不能运行MATLAB通过部署一个训练支持向量机(SVM)分类模型到设备使用代码生成。金宝app
您可以生成C / c++代码统计和机器学习的工具箱函数在几个方面。
目标函数的代码生成(
预测,随机,knnsearch,或rangesearch)的机器学习模型——使用saveLearnerForCoder,loadLearnerForCoder,codegen。通过使用保存训练模型saveLearnerForCoder。定义一个入口点函数,通过使用加载保存模型loadLearnerForCoder并调用对象的函数。然后使用codegen入口点函数来生成代码。代码生成的
预测和更新树的函数模型,一个支持向量机模型,线性模型或多级纠错输出编码(ECOC)使用支持向量机分类模型或二进制学习者——创建一个线性编码器配置使用learnerCoderConfigurer然后通过使用生成代码generateCode。您可以更新模型参数生成的C / c++代码,而不必重新生成代码。支持代码生成,使用的其他功能金宝app
codegen。定义一个入口点函数,调用函数支持代码生成。金宝app然后生成C / c++代码的入口点函数的使用codegen。
你也可以生成定点C / c++代码的预测一个支持向量机分类模型或一个SVM回归模型。这种类型的代码生成需要定点设计师™。
了解代码生成,请参阅介绍代码生成。
功能
对象
主题
Code-Generation-Enabled功能
视图代码生成使用笔记,限制,和code-generation-enabled列表统计和机器学习的工具箱函数。
代码生成工作流
学习如何生成C / c++代码的统计和机器学习的工具箱函数。
生成代码的统计和机器学习的工具箱函数,不要使用机器学习模型对象。
生成代码的预测分类或回归模型在命令行。
生成代码的预测分类或回归模型使用MATLAB编码器应用程序。
生成代码的预测模型使用一个编码器配置,和更新模型参数生成的代码。
使用分类学习者应用训练分类模型,并生成C / c++代码的预测。
生成代码寻找最近的邻居使用最近邻搜索器模型。
生成代码,它接受输入参数的大小可能在运行时改变。
分类预测转换为数字虚拟变数之前安装一个支持向量机分类器和生成代码。
生成SVM的预测的定点代码分类或回归模型。
生成代码符合概率分布对象示例数据和评价拟合分布对象。
代码生成的应用程序
从模型生成代码金宝app®模型分类数据使用一个支持向量机模型。
生成代码从一个系统对象™使用训练分类模型进行预测,并利用仿真软件的系统对象模型。金宝app
从Stateflow生成代码®模型,利用判别分析分类器分类数据。
