训练分类模型

本示例使用电离层数据集，其中包含雷达返回质量(Y）和预测数据（X)的34个变量。雷达回波要么质量好(‘g’)或不良品质(“b”）.

加载电离层数据集。确定样本大小。

负载电离层n =元素个数(Y)

n = 351.

假设按顺序探测到雷达返回，您已经有了前300个观测值，但还没有收到最后51个。将数据划分为当前和未来的样本。

prsntx = x（1：300，:);prsnty = y（1：300）;ftrx = x（301：结束，:);ftry = y（301：结束）;

使用所有当前可用的数据训练支持向量机模型。指定预测器数据标准化。

svmMdl = fitcsvm (prsntX prsntY,'标准化',真正的);

svmMdl是一个分类VM.模型。

方法检查负类名和正类名一会的属性svmMdl．

svmMdl。一会

ans =2 x1细胞{b} {' g '}

负面课程是“b”，积极的课程是‘g’．的输出值分数分类VM的端口预测块具有相同的顺序。第一和第二元素分别对应于负类和正类分数。

创建Simul金宝appink模型

这个例子提供了Simulink模型金宝appslexIonosphereClassificationSVMPredictExample.slx，其中包括ClassificationSVM预测堵塞。您可以打开Simulink模型或创金宝app建新模型，如本节所述。

打开Simulin金宝appk模型slexIonosphereClassificationSVMPredictExample.slx．

SimMdlName =“slexIonosphereClassificationSVMPredictExample”;Open_System（SIMMDLNAME）

的PreLoadFcn回调函数slexIonosphereClassificationSVMPredictExample包括加载样本数据、训练SVM模型和为Simulink模型创建输入信号的代码。金宝app如果打开Simulink模型，软金宝app件就会运行代码PreLoadFcn加载Simulink模型之前。金宝app要查看回调函数，请在设置上节建模选项卡上,单击模型设置并选择模型属性．然后，在回调选项卡中,选择PreLoadFcn回调函数在模型回调窗格。

要创建新的Simulink模型，金宝app请打开空白模型模板，并添加ClassificationSVM Predict块。添加import和Outport块，并将它们连接到ClassificationSVM Predict块。

双击ClassificationSVM Predict块，打开块参数对话框。指定选择训练过的机器学习模型参数,svmMdl，它是包含训练过的SVM模型的工作空间变量的名称。单击刷新按钮。对话框显示用于训练SVM模型的选项svmMdl下训练有素的机器学习模型．选择添加预测类分数的输出端口复选框以添加第二个输出端口分数．

分类支持向量机预测块期望一个包含34个预测值的观测值。双击import块，并设置端口尺寸到34信号属性选项卡。

以Simulink模型的结构阵列的形式创建输入信号。金宝app结构阵列必须包含这些字段：

为将来雷达返回创建一个适当的结构阵列。

radarReturnInput。时间= (0:50)';radarReturnInput.signals(1)。值= ftrX;radarReturnInput.signals(1)。尺寸大小= (ftrX 2);

从工作区导入信号数据:

有关详细信息，请参见用于仿真的负载信号数据(金宝app模型)．

模拟模型。

sim（simmdlname）;

当import块检测到一个观测值时，它将该观测值导向ClassificationSVM Predict块。你可以使用仿真数据检查(金宝app模型)查看Outport块的记录数据。