马铃薯®编码器™从支持代码生成的统计信息和计算机学习工具箱功能生成可读和便携式的C和C ++代码。金宝app例如,您可以通过将培训的支持向量机(SVM)分类模型部署到设备使用代码生成来对无法运行MATLAB的硬件设备对无法运行MATLAB的新的观察。金宝app
您可以以多种方式为这些函数生成C / C ++代码:
用Savelarnerforcoder.
那loadlearnerforcoder.
, 和Codegen.
(MATLAB编码器)对于机器学习模型的对象功能。
使用编码器配置程序Learnercoderconfigurer
为了预测
和更新
机器学习模型的对象功能。通过使用生成的代码中的配置程序和更新模型参数来配置代码生成选项。
用Codegen.
对于支持代码生成的其他功能。金宝app
您还可以为某些机器学习模型的预测生成固定点C / C ++代码。此类代码生成需要固定点设计器™。
将计算机学习模型的预测集成到Simulink中金宝app®,使用MATLAB功能块或统计信息和机器学习工具箱库中的Simulink块金宝app。
要了解代码生成,请参阅代码生成简介。
有关支持代码生成的功能列表,请参阅金宝app功能列表(C / C ++代码生成)。
了解如何为统计信息和计算机学习工具箱功能生成C / C ++代码。
为不使用机器学习模型对象的统计和机器学习工具箱功能生成代码。
生成用于预测命令行的分类或回归模型的代码。
生成实现在命令行中为二进制线性分类实现增量学习的代码。
通过使用使用方法生成预测分类或回归模型的代码Matlab编码器应用程序。
生成使用编码器配置程序预测模型的代码,并在生成的代码中更新模型参数。
生成接受大小在运行时可能更改的输入参数的代码。
生成用于在包含数字和分类变量的表中进行分类数据的代码。
在拟合SVM分类器和生成代码之前将分类预测器转换为数字虚拟变量。
生成用于预测SVM分类或回归模型的定点代码。
使用分类学习者应用程序列车分类模型,并为预测生成C / C ++代码。
使用最近的邻南搜索器模型生成用于查找最近邻居的代码。
生成适合概率分布对象的代码来对数据进行示例,并评估拟合的分发对象。
此示例显示如何使用分类学习者培训Logistic回归模型,然后生成使用导出的分类模型预测标签的C代码。
此示例显示如何在Simulink®中使用ClassificationsVM预测块进行标记预测。金宝app
使用分类学习者应用程序列车分类决策树模型,然后使用ClassificationTree预测标签预测块。
用最佳的超参数训练分类集合模型,然后使用分类素质预测标签预测块。
使用ClassificationnikNetwork预测块预测类标签
火车神经网络分类模型,然后使用ClassIciationneuralNetwork预测标签预测块。
使用回归学习者应金宝app用程序列车支持向量机(SVM)回归模型,然后使用回归vm预测响应预测块。
此示例显示如何在Simulink®中使用回归触发预测块进行响应预测。金宝app
用最佳的超参数训练回归合奏模型,然后使用回归预测响应预测块。
火车一个神经网络回归模型,然后使用回归预测响应预测块。
从使用SVM模型对数据进行分类的Simul金宝appink模型生成代码。
从系统对象™生成代码,用于使用培训的分类模型进行预测,并在Simulink模型中使用系统对象。金宝app
从状态流生成代码®使用判别分析分类器对数据进行分类的模型。
从准备用于固定点部署的分类Simulink模型生成代码。金宝app
使用机器学习算法在Arduino硬件上识别拳击和弯曲手势(金宝appArdu金宝appino硬件的Simulink支持包)
此示例显示如何使用Simulink®支持包进行Arduino®硬件,金宝app使用机器学金宝app习算法识别Punch和Flex手势。