用MATLAB函数块预测类标签

这个示例使用:

这个例子展示了如何将MATLAB®Function块添加到Simulink®模型中用于标签预测。金宝appMATLAB函数块接受流数据，并使用训练有素的支持向量机(SVM)分类模型预测标签和分类分数。金宝app关于使用MATLAB函数块的详细信息，请参见使用MATLAB函数块创建自定义功能（金宝app模拟链接）．

列车分类模型

本例使用电离层数据集，包含雷达回波质量(Y)及预测数据(十)．雷达回波的质量较好(“g”)或质量差的(“b”)．

加载电离层数据集。确定样本量。

负载电离层n=努美尔（Y）

n = 351

MATLAB功能块不能返回单元格数组。将响应变量转换为逻辑向量，其元素是1.如果雷达回复正常，而且0否则。

Y = strcmp (Y,“g”）；

假设雷达返回是按顺序探测到的，你有了前300个观测结果，但你还没有收到最后51个。将数据划分为当前和未来的样本。

prsntX = X(施用:);prsntY = Y(施用);ftrX = X(301年:,);ftrY = Y(301:结束);

使用所有现有数据训练一个SVM模型。指定预测器数据标准化。

Mdl = fitcsvm (prsntX prsntY,“标准化”，正确）；

Mdl是一个ClassificationSVM模型

使用保存模型`saveLearnerForCoder`

在命令行中，您可以使用Mdl为新的观测做预测。但是，您不能使用Mdl作为用于代码生成的函数的输入参数。

准备Mdl要加载在函数内使用saveLearnerForCoder．

saveLearnerForCoder (Mdl“超光球”）；

saveLearnerForCoder契约Mdl，然后将其保存在MAT文件中虚拟世界.mat．

定义MATLAB函数

定义一个MATLAB函数名为svmIonospherePredict.m这就预示了雷达回波的质量是否良好。函数必须：

包含代码生成指令%#编码基因在函数的某个地方。
接受雷达返回的预报数据。数据必须匹配十除了行数。
负载虚拟世界.mat使用LoadLearnerFor编码器．
返回预测标签和分类评分，用于预测雷达返回质量为好(即正类评分)。

函数(标签,分数)= svmIonospherePredict (X)%#编码基因%SVM模型预测雷达回波质量%SVMIonosphereProdict预测标签和分类估计在预报器数据X的数值矩阵中，雷达返回的分数%%在文件svmionsphere .mat中使用紧凑的SVM模型。行(X)%对应于观察值，列对应于预测变量。标签%是预测的标签，分数是%，雷达回波质量为好。%%版权所有2016 The MathWorks Inc。Mdl=编码器的LoadLearner(“超光球”); [label，bothscores]=预测（Mdl，X）；得分=两个分数（：，2）；结束

注意:如果您点击位于本页右上方的按钮，并在MATLAB中打开这个示例，那么MATLAB将打开示例文件夹。这个文件夹包括入口点函数文件。

创建模型模型金宝app

用MATLAB函数金宝app块创建一个Simulink模型svmIonospherePredict.m．

本例提供了Simulink模型金宝appslexSVMIonospherePredictExample.slx. 打开Simulin金宝appk模型。

简单名称='SLEXSV电离层预测样本'；open_system (SimMdlName)

此图显示Simulink模型。当输入节点检测到雷金宝app达回波时，它将该观测值引导到MATLAB功能块中，并发送给svmIonospherePredict.m．在预测标签和分数之后，模型将这些值返回到工作区，并在模型中每次显示一个值。当你负荷slexSVMIonospherePredictExample.slx，MATLAB还加载它需要调用的数据集radarReturnInput. 然而，这个例子展示了如何构造所需的数据集。

模型期望以一个名为radarReturnInput包含这些字段:

时间-观测数据进入模型的时间点。在本例中，持续时间包括0到50之间的整数。方向必须与预测器数据中的观测值相对应。所以，在这个例子中，时间一定是列向量。
信号-描述输入数据并包含字段的1乘1结构数组值和维．值是一个预测数据的矩阵。维是预测变量的数量。

为未来的雷达回波建立一个适当的结构阵列。

radarReturnInput.time=（0:50）'；radarReturnInput.signals（1）.值=ftrX；雷达回波输入。信号（1）。尺寸=尺寸（ftrX，2）；

你可以把名字改成radarReturnInput，然后在模型中指定新名称。但是，Simulink希望结构数组包含所描述的字段名。金宝app

使用训练之外的数据，即radarReturnInput．

sim (SimMdlName);

图中显示的是在处理所有观测数据后的模型radarReturnInput一次一个。预测的标签X(351年:)是1.它的正班级分数是1.431．的变量吹牛,青年,斯文洛格苏特出现在工作区中。青年和斯文洛格苏特是金宝appSimulinkData.数据集包含预测标签和分数的对象。有关详细信息，请参阅模拟数据日志格式（金宝app模拟链接）．

从仿真日志中提取仿真数据。

labelsSL=svmlogsout.getElement（1）.Values.Data；scoresl=svmlogsout.getElement（2）.Values.Data；

labelsSL是预测标签的51乘1数字向量。labelsSL (j)=1.也就是说SVM模型预测雷达回波J今后样品质量好，而且0意思不是这样的。scoresSL是一个51 × 1的正类分数的数字向量，也就是到决策边界的符号距离。正分数对应于预测的标签1.，负的分数对应于0．

在命令行中使用预测．

[labelCMD，scoresCMD]=预测（Mdl，ftrX）；scoresCMD=scoresCMD（：，2）；

标签CMD和scoresCMD是相称labelsSL和scoresSL．

比较未来的样本，积极的班级成绩返回slexSVMIonospherePredictExample给那些打电话回来的人预测在命令行。

err=总和（（scoresCMD-scoresl）。^2）；err<每股收益

答案=符合逻辑的1.

两组分数的平方差之和可以忽略不计。

如果你还有一个Simulink编码器™金宝app 许可证，然后您可以从slexSVMIonospherePredictExample.slx在Si金宝appmulink中或从命令行使用slbuild公司（金宝app模拟链接）．更多信息请参见为模型生成C代码（金宝appSimulink编码器）．