高维数据线性回归模型的编码器配置器
一种RegentionLinearcoderConfigurer
对象是线性回归模型的编码器配置程序(回归线性
)具有高维数据。
编码器配置器提供方便的功能来配置代码生成选项,在生成的代码中生成C / C ++代码和更新模型参数。
配置代码生成选项并使用对象属性指定线性模型参数的编码器属性。
为此生成C / C ++代码预测
和更新
利用线性回归模型的函数Generatecode.
.生成C / C ++代码需要马铃薯®编码器™.
更新生成的C/ c++代码中的模型参数,而不需要重新生成代码。当您使用新数据或设置重新训练线性模型时,该特性减少了重新生成、重新部署和重新验证C/ c++代码所需的工作。在更新模型参数之前,请使用验证updateInpuls.
验证和提取要更新的模型参数。
此流程图显示使用编码器配置程序的代码生成工作流程。
通过使用培训线性回归模型Fitrinear.
,使用使用创建模型的编码器配置器Learnercoderconfigurer
.使用编码器配置器的属性指定编码器属性预测
和更新
论点。然后,使用Generatecode.
基于指定的编码器属性生成C / C ++代码。
预测
争论本节中列出的属性指定了编码器属性预测
生成的代码中的函数参数。
X
-预测器数据的编码器属性LearnercoderInpul.
目的预测器数据的编码器属性将传递给生成的C / C ++代码预测
线性回归模型的功能,指定为aLearnercoderInpul.
目的。
使用使用时创建编码器配置程序时Learnercoderconfigurer
函数,输入参数X
确定默认值LearnercoderInpul.
编码器属性:
秘诀
- 默认值是输入的数组大小X
.
如果是价值
的属性ObservationsIn
本物业RegentionLinearcoderConfigurer
是'行'
那么这一点秘诀
价值是[n p]
, 在哪里N
对应观察数和P.
对应于预测器的数量。
如果是价值
的属性ObservationsIn
本物业RegentionLinearcoderConfigurer
是'列'
那么这一点秘诀
价值是[p n]
.
切换元素秘诀
(例如,改变[n p]
来[p n]
),修改价值
的属性ObservationsIn
本物业RegentionLinearcoderConfigurer
因此。你无法修改秘诀
直接价值。
杂色金属依赖项
—默认值为[0 0]
,这表明数组大小如规定固定秘诀
.
您可以将此值设置为[1 0]
如果是秘诀
价值是[n p]
或者[0 1]
如果是[p n]
,表示阵列具有可变大小的行和固定大小列。例如,[1 0]
指定第一个值秘诀
(N
)是行数的上限,以及第二个值秘诀
(P.
)是列的数量。
数据类型
—取值为单
要么双倍的
.默认数据类型取决于输入的数据类型X
.
可调性
- 这个值必须是真的
, 意思是预测
在所生成的C / C ++代码中,始终包括预测器数据作为输入。
您可以使用点表示法修改编码器属性。例如,要生成C / C ++代码,可接受具有三个预测变量的100个观察(以列)的预测数据(在列中),请指定这些编码器属性X
用于编码器配置器配置程序
:
configurer.x.sizevector = [100 3];configur.x.datatype =.'双倍的';configurer.x.variaBolidimensions = [0 0];
[0 0]
表示第一和第二维度X
(分别观察次数和预测变量的数量)具有固定尺寸。
要允许生成的C / C ++代码接受最多100个观察的预测器数据,请指定这些编码器属性X
:
configurer.x.sizevector = [100 3];configur.x.datatype =.'双倍的';configur.x.variabledimensions = [1 0];
[1 0]
表示的第一个维度X
(观察次数)具有可变尺寸和第二维度X
(预测器变量的数量)具有固定大小。在该示例中指定的观测数量,100成为生成的C / C ++代码中允许的最大观察数。要允许任何数量的观察,请指定绑定为INF.
.
ObservationsIn
-预测数据观测维数的编码属性inumeratedInput.
目的预测器数据观察维度的编码器属性('观察'
名称 - 值对参数预测
),指定为inumeratedInput.
目的。
使用使用时创建编码器配置程序时Learnercoderconfigurer
函数,'观察'
名称 - 值对参数确定默认值inumeratedInput.
编码器属性:
价值
- 默认值是您在创建编码器配置时使用的预测器数据观察维度,指定为'行'
要么'列'
.如果您未指定'观察'
在创建编码器配置器时,默认值为'行'
.
选择选项
- 这个值始终是'内置'
.此属性是只读的。
内置选项
- 细胞阵列'行'
和'列'
.此属性是只读的。
IsConstant
- 这个值必须是真的
.
可调性
-默认值是错误的
如果您指定'观察','行'
创建编码器配置程序时,以及真的
如果您指定“ObservationsIn”、“列”
.如果你设置了可调性
来错误的
,软件集价值
来'行'
.如果指定其他属性值可调性
是错误的
,软件集可调性
来真的
.
更新
争论本节中列出的属性指定了编码器属性更新
生成的代码中的函数参数。这更新
函数将培训的模型和新型号参数作为输入参数,并返回包含新参数的模型的更新版本。要启用更新生成的代码中的参数,则需要在生成代码之前指定参数的编码器属性。用一个LearnercoderInpul.
对象指定每个参数的编码器属性。默认属性值基于输入参数中的模型参数MDL.
的Learnercoderconfigurer
.
bet
-线性预测器系数的编码器属性LearnercoderInpul.
目的线性预测器系数的编码器属性(bet
线性回归模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
- 这个值必须是[P 1]
, 在哪里P.
是预测因子的数量MDL.
.
杂色金属依赖项
- 这个值必须是[0 0]
,表示数组大小是固定的,如秘诀
.
数据类型
—取值为'单身的'
要么'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
偏见
-编码器属性的偏差项LearnercoderInpul.
目的偏差项的编码属性(偏见
线性回归模型),指定为aLearnercoderInpul.
目的。
默认属性值LearnercoderInpul.
对象基于输入参数MDL.
的Learnercoderconfigurer
:
秘诀
- 这个值必须是[1]
.
杂色金属依赖项
- 这个值必须是[0 0]
,表示数组大小是固定的,如秘诀
.
数据类型
—取值为'单身的'
要么'双倍的'
.默认数据类型与您用于训练的培训数据的数据类型一致MDL.
.
可调性
- 这个值必须是真的
.
outputfilename.
-生成的C/ c++代码的文件名“RegressionLinearModel”
(默认)|字符向量生成的C / C ++代码的文件名,指定为字符向量。
对象功能Generatecode.
的RegentionLinearcoderConfigurer
使用此文件名生成C / C ++代码。
文件名不得包含空格,因为它们可以在某些操作系统配置中导致代码生成失败。此外,名称必须是有效的MATLAB函数名称。
在创建编码器配置器之后配置程序
,您可以使用点表示法指定文件名。
configurer.outputfilename =.'mymodel';
数据类型:char
verb
-冗长水平真的
(逻辑1)(默认)|错误的
(逻辑0)详细级别,指定为真的
(逻辑1)或错误的
(逻辑0)。详细级别控制命令行处的通知消息的显示。
价值 | 描述 |
---|---|
真的 (逻辑1) |
当您对参数的编码器属性的更改导致其他相关参数的更改时,该软件将显示通知消息。 |
错误的 (逻辑0) |
该软件不显示通知消息。 |
要在生成的代码中启用更新机器学习模型参数,需要在生成代码之前配置参数的编码器属性。参数的编码属性彼此依赖,因此软件将依赖关系存储为配置约束。如果您使用编码器配置器修改参数的编码器属性,并且该修改需要随后更改其他相关参数以满足配置约束,则软件将更改相关参数的编码器属性。详细级别决定软件是否为这些后续更改显示通知消息。
在创建编码器配置器之后配置程序
,您可以使用点表示法修改详细级别。
配置。verb=错误的;
数据类型:逻辑
要自定义代码生成工作流,请使用生成菲尔斯
功能和以下三个属性Codegen.
(MATLAB编码器),而不是使用Generatecode.
功能。
生成两个入门点函数文件(预测.M.
和更新..
)通过使用生成菲尔斯
功能,您可以根据代码生成工作流修改这些文件。例如,您可以修改预测.M.
文件要包含数据预处理,或者您可以将这些入口函数添加到另一个代码生成项目。然后,您可以通过使用C / C ++代码来生成C / C ++代码Codegen.
(MATLAB编码器)功能和Codegen.
适用于修改的入境点函数或代码生成项目的参数。使用本节中描述的三个属性作为设置的起点Codegen.
论点。
CodeGenerationArguments
-Codegen.
争论此属性是只读的。
Codegen.
(MATLAB编码器)参数,指定为单元格数组。
此属性使您可以自定义代码生成工作流程。使用Generatecode.
功能如果您不需要自定义工作流程。
而不是使用Generatecode.
使用编码器配置程序配置程序
,你可以生成C/ c++代码如下:
generatefiles(configurer)cgargs = configurer.codegeNerationArguments;Codegen(CGARGS {:})
CGARGS.
因此在呼叫之前Codegen.
.
如果修改其他属性配置程序
,则软件更新CodeGenerationArguments
相应的财产。
数据类型:细胞
预测inppuls.
-可调输入参数列表预测
此属性是只读的。
入口点函数的可调输入参数列表预测.M.
对于代码生成,指定为单元数组。单元阵列包含另一个包括的单元阵列编码器.primitiveType.
(MATLAB编码器)对象和编码器.Constant.
(MATLAB编码器)对象。
如果修改编码器属性预测
争论,则软件相应更新相应对象。如果指定可调性
属性错误的
,然后软件从中删除相应的对象预测inppuls.
列表。
单元格阵列预测inppuls.
相当于configurer.codegenerationArguments {6}
用于编码器配置器配置程序
.
数据类型:细胞
updateInputs.
-可调输入参数列表更新
编码器.primitiveType.
对象此属性是只读的。
入口点函数的可调输入参数列表更新..
对于代码生成,指定为结构的单元格数组,包括编码器.primitiveType.
(MATLAB编码器)对象。每个编码器.primitiveType.
对象包括可调谐计算机学习模型参数的编码器属性。
如果使用编码器配置程序属性修改模型参数的编码器属性(更新
争论属性),然后软件更新相应的编码器.primitiveType.
相应的对象。如果指定可调性
机器学习模型参数的属性错误的
,然后软件删除相应的编码器.primitiveType.
对象的updateInputs.
列表。
的结构updateInputs.
相当于configurer.codegenerationArguments {3}
用于编码器配置器配置程序
.
数据类型:细胞
Generatecode. |
使用编码器配置程序生成C / C ++代码 |
生成菲尔斯 |
产生马铃薯使用编码器配置程序的代码生成文件 |
验证updateInpuls. |
验证和提取机器学习模型参数更新 |
火车机器学习模型,然后为此生成代码预测
和更新
通过使用编码器配置器来实现模型的功能。
模拟模型的10,000个观察
是一个10,000×1000个数字矩阵,标准正常元素。
是一个随机正常误差,平均值0和标准偏差0.3。
RNG('默认')重复性的%n = 10000;p = 1000;X = RANDN(N,P);y = x(:,100)+ 2 * x(:,200)+ 0.3 * randn(n,1);
使用模拟数据列车线性回归模型。通过转置的预测矩阵XNew.
来Fitrinear.
,并使用'观察'
名称值对参数指定列的列XNew.
对应于观测。
xnew = x';mdl = fitrineear(xnew,y,'观察'那'列');
MDL.
是一个回归线性
目的。
为此创建一个编码器配置程序回归线性
模型通过使用Learnercoderconfigurer
.指定预测器数据XNew.
,并使用'观察'
的名称-值对参数,以指定的观察维度XNew.
.这Learnercoderconfigurer
函数使用这些输入参数来配置相应输入参数的编码器属性预测
.
configurer = LearnerCoderConfigurer(MDL,Xnew,'观察'那'列')
Configurer = RegentionLinearCoderConfigurer具有属性:更新输入:Beta:[1x1 LearnercoderInput]偏置:[1x1 LearnercoderInput]预测输入:X:[1x1 enumercoderInput]观察结果:[1x1 enumerateDoderInput]代码生成参数:numoutputs:1 outputfileName:'回归线标记'属性,方法
配置程序
是一个RegentionLinearcoderConfigurer
对象的编码配置器回归线性
目的。
要生成C / C ++代码,您必须访问正确配置的C / C ++编译器。MATLAB编码器定位并使用支持的安装编译器。金宝app您可以使用梅克斯
-设置
查看和更改默认编译器。有关更多详细信息,请参阅更改默认编译器.
为此生成代码预测
和更新
线性回归模型的功能(MDL.
)默认设置。
Generatecode(Configurer)
GenerateCode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','regersionlinearmodel.mat'代码生成成功。
这Generatecode.
函数完成这些操作:
生成生成代码所需的MATLAB文件,包括两个入口点函数预测.M.
和更新..
为了预测
和更新
函数MDL.
, 分别。
创建名为MEX函数回归线性模型
对于两个入口点函数。
创建MEX函数的代码Codegen \ Mex \ RegentionLinearModel
文件夹中。
将MEX函数复制到当前文件夹。
显示该内容预测.M.
那更新..
, 和初始化..
文件通过使用类型
功能。
类型预测.M.
函数varargout = predict(x,varargin)%#codegen%by matlab,23-feb-2021 19:18:39 [varargout {1:nargout}] =初始化('predict',x,varargin {:});结尾
类型更新..
函数更新(varargin)%#codegen%by matlab,23-feb-2021 19:18:39初始化('更新',varargin {:});结尾
类型初始化..
函数[varargout] = initialize(命令,varargin)%#codegen%by matlab,23-feb-2021 19:18:39 Coder.inline('始终')持久模型如果是isempty(模型)模型= loadlearnerforcoder('回归线arfoder)。垫');结束开关(命令)案例'更新'%更新结构字段:Beta%偏置模型=更新(型号,varargin {:});案例'预测'%预测输入:x,观察x = varargin {1};如果nargin == 2 [varargout {1:nargout}] = predict(model,x);否则pvPairs = cell(1,nargin-2);对于i = 1:nargin-2 pvPair {1,i} = varargin {i + 1};结束[varargout {1:nargout}] = predict(model,x,pvpaess {:});结束结束
使用部分数据集列出线性回归模型,并为模型创建编码器配置器。使用编码器配置器的属性来指定线性回归模型参数的编码器属性。使用编码器配置器的对象函数来生成C代码,该代码预测新的预测器数据的响应。然后使用整个数据集重新培训模型,并在未重新生成代码的情况下更新生成代码中的参数。
火车模型
模拟模型的10,000个观察
是一个10,000×1000个数字矩阵,标准正常元素。
是一个随机正常误差,平均值0和标准偏差0.3。
RNG('默认')重复性的%n = 10000;p = 1000;X = RANDN(N,P);y = x(:,100)+ 2 * x(:,200)+ 0.3 * randn(n,1);
使用前500个观察训练线性回归模型。转换预测器数据,并使用'观察'
名称值对参数指定列的列XTrain
对应于观测。
XTrain = x(1:500,:)';YTrain = Y(1:500);mdl = fitrinear(Xtrain,Ytrain,'观察'那'列');
MDL.
是一个回归线性
目的。
创建编码器配置程序
为此创建一个编码器配置程序回归线性
模型通过使用Learnercoderconfigurer
.指定预测器数据XTrain
,并使用'观察'
的名称-值对参数,以指定的观察维度XTrain
.这Learnercoderconfigurer
函数使用这些输入参数来配置相应输入参数的编码器属性预测
.
configurer = LearnerCoderConfigurer(MDL,XTrain,'观察'那'列');
配置程序
是一个RegentionLinearcoderConfigurer
对象的编码配置器回归线性
目的。
指定参数的编码器属性
指定线性回归模型参数的编码器属性,以便在再培训模型后可以更新生成的代码中的参数。此示例指定要传递给生成的代码的预测器数据的编码器属性。
指定编码器属性X
财产配置程序
因此,生成的代码接受任何数量的观察。修改秘诀
和杂色金属依赖项
属性。这秘诀
属性指定预测器数据大小的上限,而杂色金属依赖项
属性指定预测器数据的每个维度是否具有可变大小或固定大小。
configurer.x.sizevector = [1000 inf];configur.x.variabledimensions.
ans =.1x2逻辑阵列0 1
第一维度的大小是预测变量的数量。必须为机器学习模型固定此值。因为预测器数据包含1000个预测器,所以秘诀
属性必须是1000和值的值杂色金属依赖项
属性必须是0.
.
第二维度的大小是观察的数量。设置值秘诀
归因于INF.
导致软件更改值杂色金属依赖项
归因于1
.换句话说,大小的上限是INF.
它的大小是可变的,这意味着预测数据可以有任意数量的观测数据。如果您在生成代码时不知道观察的数量,那么这个规范很方便。
尺寸的顺序秘诀
和杂色金属依赖项
取决于编码器属性ObservationsIn
.
configur.observationsin.
ANS = eNumerateDupput与属性:value:'列'SelectedOption:'内置'构建选项:{'行'列'} iSononstant:1可调性:1
当。。。的时候价值
的属性ObservationsIn
属性是'列'
,第一个维度秘诀
和杂色金属依赖项
属性的X
对应于预测器的数量,第二维度对应于观察的数量。当。。。的时候价值
的属性ObservationsIn
是'行'
,切换尺寸的顺序。
生成代码
要生成C / C ++代码,您必须访问正确配置的C / C ++编译器。MATLAB编码器定位并使用支持的安装编译器。金宝app您可以使用梅克斯
-设置
查看和更改默认编译器。有关更多详细信息,请参阅更改默认编译器.
为此生成代码预测
和更新
线性回归模型的功能(MDL.
)。
Generatecode(Configurer)
GenerateCode在输出文件夹中创建这些文件:'Initialize.m','predict.m','update.m','regersionlinearmodel.mat'代码生成成功。
这Generatecode.
函数完成这些操作:
生成生成代码所需的MATLAB文件,包括两个入口点函数预测.M.
和更新..
为了预测
和更新
函数MDL.
, 分别。
创建名为MEX函数回归线性模型
对于两个入口点函数。
创建MEX函数的代码Codegen \ Mex \ RegentionLinearModel
文件夹中。
将MEX函数复制到当前文件夹。
验证生成的代码
通过一些预测数据来验证是否是预测
功能MDL.
和预测
函数返回相同的预测响应。要在具有多个入口点的MEX函数中调用入口点函数,请将函数名指定为第一个输入参数。
YHat =预测(Mdl XTrain,'观察'那'列');YHat_mex = RegressionLinearModel ('预测',XTrain,'观察'那'列');
相比yhat
和yhat_mex.
.
max(abs(yhat-yhat_mex)))
ans = 0
一般来说,yhat_mex.
可能包括与之相比的圆截止差异yhat
.在这种情况下,比较证实了yhat
和yhat_mex.
是平等的。
培训模型和生成代码中的更新参数
使用整个数据集重新培训模型。
RetrowingMDL = FITRLINEER(X',Y,'观察'那'列');
通过使用提取要更新的参数验证updateInpuls.
.此功能检测到修改的模型参数returatedmdl.
并验证修改的参数值是否满足参数的编码器属性。
params = validatedupdateInputs(Configurer,HetrowingMDL);
更新生成的代码中的参数。
RegentionLinearModel('更新'params)
验证生成的代码
比较来自的输出预测
功能returatedmdl.
和预测
在更新的MEX函数中的功能。
yhat =预测(再次retrowmdl,x','观察'那'列');YHat_mex = RegressionLinearModel ('预测',X','观察'那'列');max(abs(yhat-yhat_mex)))
ans = 0
比较证实了yhat
和yhat_mex.
是平等的。
LearnercoderInpul.
目的编码器配置器使用一个LearnercoderInpul.
对象指定编码器属性预测
和更新
输入参数。
一种LearnercoderInpul.
对象具有以下属性,以在生成的代码中指定输入参数数组的属性。
属性名称 | 描述 |
---|---|
秘诀 |
数组大小如果相应的话 如果相应的阵列大小的上限 |
杂色金属依赖项 |
指示阵列的每个维度是否具有可变大小或固定大小的指示器,指定为
|
数据类型 |
数组的数据类型 |
可调性 |
指示指示是否或不是 如果指定其他属性值 |
创建编码器配置程序后,您可以使用点表示法修改编码器属性。例如,指定偏置项的数据类型偏见
编码器配置程序配置程序
:
configurer.bias.datatype =.'单身的';
verb
) 作为真的
(默认值),当您修改机器学习模型参数的编码器属性时,软件会显示通知消息,而修改会改变其他相关参数的编码器属性。
inumeratedInput.
目的编码器配置程序使用inumeratedInput.
对象指定编码器属性预测
输入参数,具有有限的可用值集。
一个inumeratedInput.
对象具有以下属性,以在生成的代码中指定输入参数数组的属性。
属性名称 | 描述 |
---|---|
价值 |
价值
默认值 |
选择选项 |
所选选项的状态,指定为
此属性是只读的。 |
内置选项 |
相应的可用字符向量列表 此属性是只读的。 |
IsConstant |
指示数组值是否是编译时间常数的指示器( 如果将此值设置为 |
可调性 |
指示指示是否或不是 如果指定其他属性值 |
创建编码器配置程序后,您可以使用点表示法修改编码器属性。例如,指定编码器属性ObservationsIn
编码器配置程序配置程序
:
configurer.observations.value =.'列';
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。