RegressionSVM预测

使用支持向量机(SVM)回归模型预测响应金宝app

全部展开页面

库:
统计和机器学习工具箱/回归

描述

的RegressionSVM预测块使用支持向量机回归对象预测响应(RegressionSVM或CompactRegressionSVM）.

通过指定包含该对象的工作空间变量的名称，将训练有素的SVM回归对象导入到块中。输入端口x接收一个观察(预测器数据)，以及输出端口yfit返回观测的预测响应。

港口

输入

全部展开

`x`——预测数据
行向量|列向量

预测器数据，指定为一次观测的列向量或行向量。

依赖关系

中的变量x必须具有与训练SVM模型的预测变量相同的顺序选择训练过的机器学习模型．
如果你设置“标准化”,真的在fitrsvm训练SVM模型时，则RegressionSVM预测块的价值标准化x用均值和标准差μ和σSVM模型的属性(分别)。

数据类型:单|双|一半|int8|int16|int32|int64|uint8|uint16|uint32|uint64|布尔|不动点

输出

全部展开

`yfit`——预测响应
标量

预测响应，作为标量返回。

数据类型:单|双|一半|int8|int16|int32|int64|uint8|uint16|uint32|uint64|布尔|不动点

参数

全部展开

主要

`选择训练过的机器学习模型`-支持向量机回归模型
`svmMdl`(默认)|`RegressionSVM`对象|`CompactRegressionSVM`对象

指定包含。的工作区变量的名称RegressionSVM对象或CompactRegressionSVM对象。

当你使用fitrsvm，适用以下限制:

预测数据不能包括分类预测(逻辑,分类,字符,字符串,或细胞）.如果在表中提供培训数据，则预测器必须是数字的(双或单）.同样，你不能使用“CategoricalPredictors”名称-值参数。要在模型中包含范畴预测因子，使用dummyvar在拟合模型之前。
价值“ResponseTransform”名称-值参数必须为“没有”(默认)。
价值“KernelFunction”名称-值参数必须为“高斯”,“线性”(默认),或多项式的．

编程使用

块参数:TrainedLearner

类型:工作空间变量

价值观:RegressionSVM对象|CompactRegressionSVM对象

默认值:“svmMdl”

数据类型

定点操作参数

`整数舍入模式`-定点操作舍入模式
`地板上`(默认)|`天花板`|`收敛`|`最近的`|`轮`|`简单的`|`零`

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)．

块参数总是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^®入掩码字段的舍入函数。

编程使用

块参数:RndMeth

类型:特征向量

价值观:'天花板' | '收敛' | '地板' | '最近' | 'Round' | '最简单' | '零'

默认值:“地板”

`整数溢出饱和`-溢出动作的方法
`从`(默认)|`在`

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

行动	基本原理	对溢出的影响	例子
选择此复选框(`在`）.	您的模型可能存在溢出，您希望在生成的代码中显示饱和保护。	溢出会饱和到数据类型所能表示的最小值或最大值。	的最大值`int8`(带符号的8位整数)的数据类型可以表示为127。任何大于这个最大值的块操作结果都会导致8位整数溢出。选中复选框后，块输出在127处饱和。类似地，块输出在最小输出值-128处饱和。
清除此复选框(`从`）.	您希望优化生成代码的效率。您希望避免过度指定块如何处理超出范围的信号。有关更多信息，请参见排除信号范围误差(金宝app模型)．	溢出包装为数据类型可以表示的适当值。	的最大值`int8`(带符号的8位整数)的数据类型可以表示为127。任何大于这个最大值的块操作结果都会导致8位整数溢出。清除复选框后，软件将导致溢出的值解释为`int8`，这可能会产生意想不到的结果。例如，块结果130(二进制1000 0010)表示为`int8`是-126。

选择此复选框(在）.

您的模型可能存在溢出，您希望在生成的代码中显示饱和保护。

溢出会饱和到数据类型所能表示的最小值或最大值。

的最大值int8(带符号的8位整数)的数据类型可以表示为127。任何大于这个最大值的块操作结果都会导致8位整数溢出。选中复选框后，块输出在127处饱和。类似地，块输出在最小输出值-128处饱和。

清除此复选框(从）.

您希望优化生成代码的效率。

您希望避免过度指定块如何处理超出范围的信号。有关更多信息，请参见排除信号范围误差(金宝app模型)．

溢出包装为数据类型可以表示的适当值。

的最大值int8(带符号的8位整数)的数据类型可以表示为127。任何大于这个最大值的块操作结果都会导致8位整数溢出。清除复选框后，软件将导致溢出的值解释为int8，这可能会产生意想不到的结果。例如，块结果130(二进制1000 0010)表示为int8是-126。

编程使用

块参数:SaturateOnIntegerOverflow

类型:特征向量

价值观:”从“|”“

默认值:“关闭”

`根据定点工具的更改锁定输出数据类型设置`—防止定点工具覆盖数据类型
`从`(默认)|`在`

选择此参数可防止定点工具覆盖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:特征向量

价值观:”从“|”“

默认值:“关闭”

数据类型

`输出数据类型`—yfit输出数据类型
`继承:汽车`(默认)|`双`|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`uint32`|`int64`|`uint64`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型>表达`

的数据类型yfit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app仿真软件。NumericType．

当您选择继承:汽车，块使用继承数据类型的规则。

有关数据类型的更多信息，请参见信号的控制数据类型(金宝app模型)．

单击显示数据类型助手按钮来显示数据类型的助理，它可以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：OutDataTypeStr

类型:特征向量

值：“继承:汽车”|“双”|“单一”|“一半”|“int8”|“uint8”|“int16”|“uint16”|“int32”|“uint32”|“int64”|“uint64”|“布尔”|“fixdt(16)”|“fixdt(0) 1, 16日”|“fixdt(1, 16日2 ^ 0,0)”|“< >数据类型表达”

默认的：“继承:汽车”

`输出最小`-范围检查的yfit输出的最小值
`［］`(默认)|标量

较低的yfitSimulink的输出范围金宝app^®检查。

金宝appSimulink使用最小值来执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))为一些街区。
模拟距离检查(见指定信号范围(金宝app模型)和启用模拟范围检查(金宝app模型)）.
定点数据类型的自动缩放。
优化您从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的输出最小参数不饱和或剪辑实际yfit信号。使用饱和(金宝app模型)块来代替。

编程使用

块参数：OutMin

类型:特征向量

值：“[]”|标量

默认的：“[]”

`输出最大`-范围检查的yfit输出最大值
`［］`(默认)|标量

上值yfitSimulink检查的输出范围。金宝app

金宝appSimulink使用最大值来执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))为一些街区。
模拟距离检查(见指定信号范围(金宝app模型)和启用模拟范围检查(金宝app模型)）.
定点数据类型的自动缩放。
优化您从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的输出最大参数不饱和或剪辑实际yfit信号。使用饱和(金宝app模型)块来代替。

编程使用

块参数：OutMax

类型:特征向量

值：“[]”|标量

默认的：“[]”

`内核数据类型`—内核计算数据类型
`双`(默认)|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`int64`|`uint64`|`uint32`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型>表达`

指定内核计算的参数的数据类型。类型可以直接指定，也可以表示为数据类型对象，例如金宝app仿真软件。NumericType．

的内核数据类型parameter根据指定的SVM模型的核函数类型指定不同参数的数据类型。您指定的“KernelFunction”训练SVM模型时的名称-值参数。

`“KernelFunction”`价值	数据类型
`“高斯”`或`“rbf”`	内核数据类型指定平方距离的数据类型 $D^{2} ＝ {为 x - 年代为}^{2}$ 对于高斯核函数 $G （ x, 年代）＝经验值（ - D^{2} ）$ ,在那里x预测数据是否为观察和年代是一个支持金宝app向量。
`“线性”`	内核数据类型指定线性核函数输出的数据类型 $G （ x, 年代）＝ x 年代＇$ ,在那里x预测数据是否为观察和年代是一个支持金宝app向量。
`多项式的`	内核数据类型指定多项式核函数输出的数据类型 $G （ x, 年代）＝ {（ 1 + x 年代＇）}^{p}$ ,在那里x是观测的预测数据，年代是支持向量金宝app，然后呢p是一个多项式核函数阶数。

有关数据类型的更多信息，请参见信号的控制数据类型(金宝app模型)．

编程使用

块参数：KernelDataTypeStr

类型:特征向量

值：“双”|“单一”|“一半”|“int8”|“uint8”|“int16”|“uint16”|“int32”|“uint32”|“uint64”|“int64”|“布尔”|“fixdt(16)”|“fixdt(0) 1, 16日”|“fixdt(1, 16日2 ^ 0,0)”|“< >数据类型表达”

默认的：“双”

`内核最低`-用于范围检查的最小内核计算值
`［］`(默认)|标量

Simulink检查的内核计算内部变量范围的较低值。金宝app

金宝appSimulink使用最小值来执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))为一些街区。
模拟距离检查(见指定信号范围(金宝app模型)和启用模拟范围检查(金宝app模型)）.
定点数据类型的自动缩放。
优化您从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的内核最低参数不饱和或剪辑实际核计算值信号。

编程使用

块参数：KernelOutMin

类型:特征向量

值：“[]”|标量

默认的：“[]”

`内核最大`—用于范围检查的最大内核计算值
`［］`(默认)|标量

Simulink检查的内核计算内部变量范围的上限值。金宝app

金宝appSimulink使用最大值来执行:

参数范围检查(参见指定块参数的最小值和最大值(金宝app模型))为一些街区。
模拟距离检查(见指定信号范围(金宝app模型)和启用模拟范围检查(金宝app模型)）.
定点数据类型的自动缩放。
优化您从模型生成的代码。这种优化可以删除算法代码，并影响某些模拟模式(如SIL或外部模式)的结果。有关更多信息，请参见使用指定的最小值和最大值进行优化(嵌入式编码)．

请注意

的内核最大参数不饱和或剪辑实际核计算值信号。

编程使用

块参数：KernelOutMax

类型:特征向量

值：“[]”|标量

默认的：“[]”

模型的例子

使用回归支持向量机预测响应

使用回归学习程序金宝app训练支持向量机(SVM)回归模型，然后使用RegressionSVM预测响应预测块。

打开生活的脚本

块特征

数据类型	`布尔`\|`双`\|`不动点`\|`一半`\|`整数`\|`单`
直接引线	`是的`
多维信号	`没有`
适应信号	`没有`
讨论二阶导数过零检测	`没有`

提示

如果您使用的是线性支持向量机模型，并且它有许多支持向量，那么预测可能会很慢。金宝app为了有效地预测基于线性支持向量机模型的响应，需要去除支持向量金宝appRegressionSVM或CompactRegressionSVM对象的使用discard金宝appSupportVectors．

选择功能

您可以使用MATLAB函数块与预测支持向量机回归对象的目标函数(RegressionSVM或CompactRegressionSVM）.例如，请参见用MATLAB函数块预测类标签．

当决定是否使用RegressionSVM预测在统计和机器学习工具箱™库或MATLAB函数块预测函数，考虑以下情况:

如果使用统计学和机器学习工具箱库块，则可以使用定点的工具(定点设计师)将浮点模型转换为定点模型。
金宝app的MATLAB函数块必须启用对可变大小数组的支持预测函数。
如果您使用MATLAB函数块，您可以使用MATLAB函数在同一个MATLAB函数块中进行预测之前或之后的预处理或后处理。

兼容性的考虑

全部展开

指定内核数据类型作为数据类型名称或数据类型对象

行为在R2021a中改变

从R2021a开始内核数据类型参数不支持继承的选项。金宝app您可以指定内核数据类型作为受支持金宝app的数据类型名称或数据类型对象。

RegressionSVM预测

描述

港口

输入

x——预测数据行向量|列向量

依赖关系

输出

yfit——预测响应标量

参数

主要

选择训练过的机器学习模型-支持向量机回归模型svmMdl(默认)|RegressionSVM对象|CompactRegressionSVM对象

编程使用

数据类型

整数舍入模式-定点操作舍入模式地板上(默认)|天花板|收敛|最近的|轮|简单的|零

编程使用

整数溢出饱和-溢出动作的方法从(默认)|在

编程使用

根据定点工具的更改锁定输出数据类型设置—防止定点工具覆盖数据类型从(默认)|在

编程使用

输出数据类型—yfit输出数据类型继承:汽车(默认)|双|单|一半|int8|uint8|int16|uint16|int32|uint32|int64|uint64|布尔|fixdt (16)|fixdt (1 16 0)|fixdt(1, 16日2 ^ 0,0)|<数据类型>表达

编程使用

输出最小-范围检查的yfit输出的最小值［］(默认)|标量

编程使用

输出最大-范围检查的yfit输出最大值［］(默认)|标量

编程使用

内核数据类型—内核计算数据类型双(默认)|单|一半|int8|uint8|int16|uint16|int32|int64|uint64|uint32|布尔|fixdt (16)|fixdt (1 16 0)|fixdt(1, 16日2 ^ 0,0)|<数据类型>表达

编程使用

内核最低-用于范围检查的最小内核计算值［］(默认)|标量

编程使用

内核最大—用于范围检查的最大内核计算值［］(默认)|标量

编程使用

模型的例子

使用回归支持向量机预测响应

块特征

提示

选择功能

兼容性的考虑

指定内核数据类型作为数据类型名称或数据类型对象

扩展功能

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fixed-point Designer™设计和模拟定点系统。

另请参阅

块

对象

功能

主题

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

`x`——预测数据
行向量|列向量

`yfit`——预测响应
标量

`选择训练过的机器学习模型`-支持向量机回归模型
`svmMdl`(默认)|`RegressionSVM`对象|`CompactRegressionSVM`对象

`整数舍入模式`-定点操作舍入模式
`地板上`(默认)|`天花板`|`收敛`|`最近的`|`轮`|`简单的`|`零`

`整数溢出饱和`-溢出动作的方法
`从`(默认)|`在`

`根据定点工具的更改锁定输出数据类型设置`—防止定点工具覆盖数据类型
`从`(默认)|`在`

`输出数据类型`—yfit输出数据类型
`继承:汽车`(默认)|`双`|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`uint32`|`int64`|`uint64`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型>表达`

`输出最小`-范围检查的yfit输出的最小值
`［］`(默认)|标量

`输出最大`-范围检查的yfit输出最大值
`［］`(默认)|标量

`内核数据类型`—内核计算数据类型
`双`(默认)|`单`|`一半`|`int8`|`uint8`|`int16`|`uint16`|`int32`|`int64`|`uint64`|`uint32`|`布尔`|`fixdt (16)`|`fixdt (1 16 0)`|`fixdt(1, 16日2 ^ 0,0)`|`<数据类型>表达`

`内核最低`-用于范围检查的最小内核计算值
`［］`(默认)|标量

`内核最大`—用于范围检查的最大内核计算值
`［］`(默认)|标量

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fixed-point Designer™设计和模拟定点系统。