主要内容

分类vm预测

分类使用支持向量机(SVM)分类器进行单级和二进制分类的金宝app分类观察

  • 库:
  • 统计和机器学习工具箱/分类

描述

的<年代pan class="block">分类vm预测块使用SVM分类对象进行分类观察(分类VM.或者CompactClassificationsVM.)对于单级和两班(二进制)分类。

通过指定包含对象的工作区变量的名称,将训练的SVM分类对象导入块。输入端口<年代trong class="guilabel">x接收观察(预测器数据)和输出端口<年代trong class="guilabel">标签返回预测类标签以进行观察。您可以添加可选的输出端口<年代trong class="guilabel">分数返回预测的类别分数或后验概率。

港口

输入

展开全部

预测数据,指定为一个观察的列向量或行向量。

依赖性

  • 中的变量<年代trong class="guilabel">x必须具有与培训由指定的SVM模型培训的预测变量相同的顺序<年代trong class="guilabel">选择培训的机器学习模型

  • 如果你设置了“标准化”,真的fitcsvm.在培训SVM模型时,那么<年代pan class="block">分类vm预测的值标准化<年代trong class="guilabel">x使用手段和标准偏差Sigma.SVM模型的属性(分别)。

数据类型:单身的|双倍的|一半|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32.|UINT64|布尔基|固定点

输出

展开全部

预测的类标号,作为标量返回。

依赖性

  • 对于单级学习,<年代trong class="guilabel">标签是代表正类的价值。

  • 对于两班学习,<年代trong class="guilabel">标签是产生最大得分或最大后验概率的类别。

数据类型:单身的|双倍的|一半|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32.|UINT64|布尔基|固定点|枚举

预测的课堂得分或者后验概率,作为单级学习的标量返回标量或两类学习的1×2向量。

  • 对于单级学习,<年代trong class="guilabel">分数是正类的分类得分。您无法获得单级学习的后验概率。

  • 对于两班学习,<年代trong class="guilabel">分数是一个1-by-2矢量。

    • 第一和第二个元素<年代trong class="guilabel">分数对应负类的分类分数(svmmdl.classnames(1))和正类(svmmdl.classnames(2)),分别为,svmMdl是指定的SVM模型<年代trong class="guilabel">选择培训的机器学习模型.你可以使用一会的属性svmMdl检查负类和正类名。

    • 如果您使用最佳分数到后概率变换功能FitleDosterior.或者fitsvmposterior.,然后<年代trong class="guilabel">分数包含类后概率。除此以外,<年代trong class="guilabel">分数包含类别分数。

依赖性

要启用该端口,请选中添加预测类别分数的输出端口在这一点<年代trong class="guilabel">主要的块参数对话框的选项卡。

数据类型:单身的|双倍的|一半|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32.|UINT64|布尔基|固定点

参数

展开全部

主要的

指定包含a的工作区变量的名称分类VM.对象或者CompactClassificationsVM.目的。

当你训练SVM模型时使用fitcsvm.,以下限制适用:

  • 预测器数据不能包括分类预测器(逻辑分类char细绳, 或者细胞)。如果在表中提供培训数据,则预测器必须是数字(双倍的或者单身的)。此外,你不能使用“CategoricalPredictors”名称值参数。要在模型中包含分类预测器,请通过使用预处理分类预计dummyvar在拟合模型之前。

  • 价值'scoretransform'名称值参数不能'invlogit'或匿名功能。对于预测新观察的后验概率的块,将训练的SVM模型传递给FitleDosterior.或者fitsvmposterior.

  • 价值'骨箱'名称-值参数必须为'高斯'(和...一样'rbf',默认为单级学习),'线性'(默认为两班学习),或者'多项式'

编程使用

块参数:TrainedLearner
类型:工作区变量
价值观:分类VM.对象|CompactClassificationsVM.对象
默认值:'svmmdl'

选择复选框以包含第二个输出端口<年代trong class="guilabel">分数在里面<年代pan class="block">分类vm预测块。

编程使用

块参数:ShowOutputScore.
类型:字符向量
价值观:'off'|'上'
默认值:'离开'

数据类型

定点操作参数

指定定点操作的舍入模式。有关更多信息,请参见舍入(定点设计师)

阻止参数始终舍入到最接近的可表示值。要控制块参数的舍入,请使用MATLAB输入表达式<年代up>®舍入功能进入掩码字段。

编程使用

块参数:RndMeth
类型:字符向量
价值观:'Ceiling' | 'Convergent' | 'Floor' | '最接近' | 'Round' | '最简单' | 'Zero'
默认值:“地板”

指定溢出是否饱和或缠绕。

行动 基本原理 对溢出的影响 例子

选中此复选框()。

您的模型具有可能的溢出,并且您希望在生成的代码中进行显式饱和保护。

溢出饱和到数据类型可以表示的最小值或最大值。

最大值INT8.(符号8位整数)数据类型可以表示为127.任何块操作结果大于此最大值会导致8位整数的溢出。选择复选框,块输出在127处饱和。同样,块输出在-128的最小输出值下饱和。

清除此复选框(离开)。

您希望优化生成代码的效率。

您希望避免超出块处理超出范围的信号的方式。有关更多信息,请参见排除信号范围错误(金宝app模型)

溢出到数据类型可以表示的适当值。

最大值INT8.(符号8位整数)数据类型可以表示为127.任何块操作结果大于此最大值会导致8位整数的溢出。通过清除复选框,软件将溢出引起值的溢出INT8.,可以产生意外结果。例如,表示为130(二进制1000 0010)的块结果INT8.是-126。

编程使用

块参数:saterateonintegeroverflow.
类型:字符向量
价值观:'off'|'上'
默认值:'离开'

选择此参数以防止固定点工具覆盖您为块指定的数据类型。有关更多信息,请参见使用锁定输出数据类型设置(定点设计师)

编程使用

块参数:lockscale.
类型:字符向量
价值观:'off'|'上'
默认值:'离开'
数据类型

指定数据类型<年代trong class="guilabel">标签输出。类型可以继承,指定为枚举数据类型,或表示为数据类型的对象,例如金宝appsimulink.numerictype.

选择继承选项时,软件的行为如下:

  • 继承:通过反向传播继承(默认的数字和逻辑标签) - Simulink中自动确定金宝app<年代trong class="guilabel">标签数据类型在数据类型传播期间块的数据类型传播(金宝app模型))。在这种情况下,块使用下游块或信号对象的数据类型。

  • 继承:汽车(默认为非数字标签)-块使用一个自定义的枚举数据类型变量。例如,假设工作区变量名由选择培训的机器学习模型mymdl.,课程标签是第1级2级.然后,相应的<年代trong class="guilabel">标签值是mymdl_enumlabels.class_1.mymdl_enumlabels.class_2.通过使用使用该块将类标签转换为有效的MATLAB标识符matlab.lang.makevalidname.函数。

有关数据类型的详细信息,请参阅控制信号数据类型(金宝app模型)

点击<年代trong class="guibutton">显示数据类型助手按钮<年代pan class="guiicon">显示<年代trong class="guilabel">数据类型助手,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)

依赖性

所支持的金宝app数据类型依赖于模型中使用的标签选择培训的机器学习模型

  • 如果模型使用数字或逻辑标签,则支持的数据类型为金宝app继承:通过反向传播继承(默认),双倍的单身的一半INT8.uint8.int16uint16INT32.UINT32.INT64.UINT64布尔基,固定点和数据类型对象。

  • 如果模型使用非数字标签,则支持的数据类型是金宝app继承:汽车(默认),枚举:<类名称>,以及数据类型对象。

编程使用

块参数LabeldatatyPestr.
类型:字符向量
价值'继承:通过反向传播继承'|'继承:auto'|'双倍的'|'单身的'|'一半'|'int8'|'uint8'|'int16'|'uint16'|'int32'|'uint32'|'int64'|“uint64”|'布尔值'|'fixdt(1,16)'|'fixdt(1,16,0)'|'fixdt(1,16,2 ^ 0,0)'|'枚举:'|“< >数据类型表达”
默认'继承:通过反向传播继承'(用于数字和逻辑标签)|'继承:auto'(对于非数字标签)

较低的价值<年代trong class="guilabel">标签Simulink的输出范围金宝app<年代up>®检查。

金宝appSimulink使用最小值执行:

请注意

的<年代trong class="guilabel">标签最低参数不会饱和或夹住实际<年代trong class="guilabel">标签输出信号。使用饱和(金宝app模型)阻止。

依赖性

只有当指定的模型时,才能指定此参数选择培训的机器学习模型使用数字标签。

编程使用

块参数LabelOutMin
类型:字符向量
价值'[]'|标量子
默认'[]'

的上值<年代trong class="guilabel">标签Simulink检查的输出范围。金宝app

金宝appSimulink使用最大值来执行:

请注意

的<年代trong class="guilabel">标签最大值参数不会饱和或夹住实际<年代trong class="guilabel">标签输出信号。使用饱和(金宝app模型)阻止。

依赖性

只有当指定的模型时,才能指定此参数选择培训的机器学习模型使用数字标签。

编程使用

块参数labeloutmax.
类型:字符向量
价值'[]'|标量子
默认'[]'

指定数据类型<年代trong class="guilabel">分数输出。类型可以继承、直接指定或表示为数据类型对象,例如金宝appsimulink.numerictype.

当你选择继承:汽车,该块使用继承数据类型的规则。

有关数据类型的详细信息,请参阅控制信号数据类型(金宝app模型)

点击<年代trong class="guibutton">显示数据类型助手按钮<年代pan class="guiicon">显示<年代trong class="guilabel">数据类型助手,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)

编程使用

块参数scoringatatypestr.
类型:字符向量
价值'继承:auto'|'双倍的'|'单身的'|'一半'|'int8'|'uint8'|'int16'|'uint16'|'int32'|'uint32'|'int64'|“uint64”|'布尔值'|'fixdt(1,16)'|'fixdt(1,16,0)'|'fixdt(1,16,2 ^ 0,0)'|“< >数据类型表达”
默认'继承:auto'

较低的价值<年代trong class="guilabel">分数Simulink检查的输出范围。金宝app

金宝appSimulink使用最小值执行:

请注意

的<年代trong class="guilabel">分数最低参数不会饱和或夹住实际<年代trong class="guilabel">分数信号。使用饱和(金宝app模型)阻止。

编程使用

块参数记分蛋白
类型:字符向量
价值'[]'|标量子
默认'[]'

的上值<年代trong class="guilabel">分数Simulink检查的输出范围。金宝app

金宝appSimulink使用最大值来执行:

请注意

的<年代trong class="guilabel">得分最大参数不会饱和或夹住实际<年代trong class="guilabel">分数信号。使用饱和(金宝app模型)阻止。

编程使用

块参数记分扬声器
类型:字符向量
价值'[]'|标量子
默认'[]'

指定内部未转化分数的数据类型。类型可以继承、直接指定或表示为数据类型对象,例如金宝appsimulink.numerictype.

当你选择继承:汽车,该块使用继承数据类型的规则。

有关数据类型的详细信息,请参阅控制信号数据类型(金宝app模型)

点击<年代trong class="guibutton">显示数据类型助手按钮<年代pan class="guiicon">显示<年代trong class="guilabel">数据类型助手,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)

依赖性

只有当指定的模型时,才能指定此参数选择培训的机器学习模型使用一个分数转换“没有”(默认,与'身份')。

  • 如果模型不使用分数转换(“没有”或者'身份'),然后您可以使用分数数据类型

  • 如果模型使用以外的分数转换“没有”或者'身份',则可以通过使用此参数指定未转化的原始分数的数据类型,并通过使用指定转化分数的数据类型分数数据类型

您可以通过指定来更改分数转换选项'scoretransform'名称-值参数,或通过更改scoretransform.培训后的财产。

编程使用

块参数RawScoreDataTypeStr
类型:字符向量
价值'继承:auto'|'双倍的'|'单身的'|'一半'|'int8'|'uint8'|'int16'|'uint16'|'int32'|'uint32'|'int64'|“uint64”|'布尔值'|'fixdt(1,16)'|'fixdt(1,16,0)'|'fixdt(1,16,2 ^ 0,0)'|“< >数据类型表达”
默认'继承:auto'

模拟检查的未转化分数范围的值较低。金宝app

金宝appSimulink使用最小值执行:

请注意

的<年代trong class="guilabel">原始得分最低参数不会使实际未转换的分数信号饱和或剪辑。

编程使用

块参数RawScoreoutmin.
类型:字符向量
价值'[]'|标量子
默认'[]'

Simulink检查的未转换分数范围的上限。金宝app

金宝appSimulink使用最大值来执行:

请注意

的<年代trong class="guilabel">原始得分最大值参数不会使实际未转换的分数信号饱和或剪辑。

编程使用

块参数RawScoreOutMax
类型:字符向量
价值'[]'|标量子
默认'[]'

指定用于内核计算的参数的数据类型。该类型可以直接指定或表示为数据类型对象,例如金宝appsimulink.numerictype.

的<年代trong class="guilabel">内核数据类型参数指定根据指定SVM模型的核函数的类型不同的参数的数据类型。您指定了'骨箱'培训SVM模型时的名称值参数。

'骨箱'价值 数据类型
'高斯'或者'rbf' 内核数据类型指定平方距离的数据类型<年代pan class="inlineequation"> D 2 x - 年代 2 对于高斯内核<年代pan class="inlineequation"> G x 年代 exp. - D 2 , 在哪里x是观察和观察的预测数据年代是一个支持金宝app向量。
'线性' 内核数据类型指定线性内核函数输出的数据类型<年代pan class="inlineequation"> G x 年代 x 年代 , 在哪里x是观察和观察的预测数据年代是一个支持金宝app向量。
'多项式' 内核数据类型指定多项式内核函数输出的数据类型<年代pan class="inlineequation"> G x 年代 1 + x 年代 p , 在哪里x是观察的预测因素数据,年代是支持向量金宝app,和p是多项式内核功能顺序。

有关数据类型的详细信息,请参阅控制信号数据类型(金宝app模型)

点击<年代trong class="guibutton">显示数据类型助手按钮<年代pan class="guiicon">显示<年代trong class="guilabel">数据类型助手,帮助您设置数据类型属性。有关更多信息,请参见使用数据类型助手指定数据类型(金宝app模型)

编程使用

块参数kerneldatatypestr.
类型:字符向量
价值'双倍的'|'单身的'|'一半'|'int8'|'uint8'|'int16'|'uint16'|'int32'|'uint32'|“uint64”|'int64'|'布尔值'|'fixdt(1,16)'|'fixdt(1,16,0)'|'fixdt(1,16,2 ^ 0,0)'|“< >数据类型表达”
默认'双倍的'

较低的内核计算内部变量范围的值,即Simulink检查。金宝app

金宝appSimulink使用最小值执行:

请注意

的<年代trong class="guilabel">内核最少参数不饱和或夹住实际的内核计算值信号。

编程使用

块参数凯勒冲突
类型:字符向量
价值'[]'|标量子
默认'[]'

内核计算内部变量范围的大值Simulink检查。金宝app

金宝appSimulink使用最大值来执行:

请注意

的<年代trong class="guilabel">内核最大参数不饱和或夹住实际的内核计算值信号。

编程使用

块参数kerneloutmax.
类型:字符向量
价值'[]'|标量子
默认'[]'

块特征

数据类型

布尔基|双倍的|枚举|固定点|一半|整数|单身的

直接喂养

是的

多维信号

可变尺寸信号

讨论二阶导数过零检测

更多关于

展开全部

尖端

  • 如果你使用的是线性支持向量机模型,并且它有很多支持向量,那么预测(分类观察)可能会很慢。金宝app为了有效地基于线性支持向量机模型进行观测分类,需要将支持向量从金宝app分类VM.或者CompactClassificationsVM.通过使用discard金宝appSupportVectors

替代功能

您可以使用MATLAB功能块预测SVM分类对象的目标函数(分类VM.或者CompactClassificationsVM.)。例如,看到使用MATLAB功能块预测类标签

在决定是否使用<年代pan class="block">分类vm预测统计和机器学习工具箱™库或Matlab功能块中的块预测功能,考虑以下内容:

  • 如果使用统计和机器学习工具箱库块,则可以使用<年代trong class="tool">定点的工具(定点设计师)将浮点模型转换为固定点。

  • 金宝app必须为Matlab功能块启用对可变大小阵列的支持预测函数。

  • 如果您使用MATLAB函数块,您可以使用MATLAB函数在相同的MATLAB函数块中进行预测之前或之后的预处理或后处理。

兼容性考虑因素

展开全部

R2021A中的行为发生了变化

R2021A中的行为发生了变化

R2021A中的行为发生了变化

扩展能力

C / C ++代码生成
使用Simulink®Coder™生成C和C ++代码。金宝app

定点转换
使用固定点设计器™设计和模拟定点系统。

另请参阅

对象

功能

  • |<年代pan itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">
在R2020B中介绍