火车分类模型

加载电离层数据集。此数据集具有34个预测器和351雷达返回的二进制响应，无论是坏的吗（'B'）或好（'G'）．

负载电离层

培训分类集合模型k-最近邻弱学习器，利用随机子空间方法。关于使用随机子空间集合的分类的详细信息，请参见随机子空间分类．

RNG（'默认'）再现性的百分比学习者= templateknn（“NumNeighbors”，2）;mdl = fitcensemble（x，y，'方法'，'子空间'，'npredtosample'，5，......“学习者”学习者,'numlearnicalnicycle'，13）;

保存模型使用Savelarnerforcoder.

将培训的合奏模型保存到名为的文件knnEnsemble.mat在您当前的文件夹中。

SavelAlnerForCoder（MDL，“knnEnsemble”）

Savelarnerforcoder.制定完整分类模型MDL.紧凑，然后将其保存到Matlab二进制文件knnEnsemble.mat作为当前文件夹中的结构阵列。

定义入口点函数

一个入口点函数，又称顶级或者基本的函数，是您为代码生成定义的函数。您必须定义一个入门点函数，可调用启用代码生成的函数，并从入口点函数生成C / C ++代码。入口点函数中的所有功能必须支持代码生成。金宝app

在当前文件夹中的一个新文件中，定义命名的入口点函数myknnensemblepredict它的作用如下:

您可以通过指定允许可选的名称 - 值参数varargin.作为输入参数。有关详细信息,请参见可变长度参数列表的代码生成（MATLAB编码器）．

类型myknnensemblepredict.m.显示myknnEnsemblePredict的内容。m文件。

函数[标签，分数] = myknnensemblepredict（x，filename，varargin）％＃codegen compactmdl = loadlearnerforcoder（文件名）;[标签，得分] =预测（CompactMDL，X，Varargin {：}）;结尾

添加％＃codegen.编译器指令（或Pragma）到函数签名后的入学点函数，指示您打算为Matlab算法生成代码。添加此指令指示MATLAB代码分析仪帮助您诊断和修复在代码生成期间导致错误的违规。看使用代码分析仪检查代码（MATLAB编码器）．

笔记：如果单击此页面的右上角的按钮，请在MATLAB中打开此示例，然后MATLAB打开示例文件夹。此文件夹包含入口点函数文件（myknnensemblepredict.m.)和测试文件(test_myknnensemblepredict.m.，后来描述)。

设置编译器

要生成C / C ++代码，您必须可以访问正确配置的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。有关详细信息，请参见更改默认编译器．

创建测试文件

编写一个测试脚本来调用myknnensemblepredict函数。在测试脚本中，指定在生成的代码中使用的输入参数和名称-值对参数。在使用MATLAB Coder应用程序生成代码时，可以使用此测试脚本自动定义输入类型。

在本例中，创建test_myknnensemblepredict.m.文件，如所示。

类型test_myknnensemblepredict.m.显示test_myknnEnsemblePredict的内容。m文件。

%% load样本数据载荷电离层%% test myknnensemblepredict [标签，得分] = myknnensemblepredict（x，'knnensemble'，'学习者，1：13）;

有关详细信息,请参见使用应用程序自动定义输入类型（MATLAB编码器）．

使用MATLAB编码器应用程序生成代码

MATLAB编码器应用程序从MATLAB代码生成C或C ++代码。基于工作流的用户界面通过代码生成过程步骤。以下步骤描述了MATLAB编码器应用程序的简要工作流程。有关详细信息，请参见Matlab编码器（MATLAB编码器）和使用MATLAB Coder App生成C代码（MATLAB编码器）．

1.打开MATLAB编码器应用程序，选择入口点函数文件。

在这方面应用标签，在应用部分,单击显示更多箭头打开应用程序库。在下面代码生成， 点击Matlab编码器．该应用程序打开了选择源文件页面。输入或选择入口点函数的名称，myknnensemblepredict．

点击下一个去定义输入类型页面。

2.定义输入类型

因为C使用静态类型，MATLAB编码器必须在编译时确定MATLAB文件中所有变量的属性。因此，您需要指定入口点函数输入的属性。

输入或选择测试脚本test_myknnensemblepredict.然后点击Autodefine输入类型．

Matlab编码器应用程序识别输入类型myknnensemblepredict函数基于测试脚本。

修改输入类型：

点击下一个去检查运行时问题页面。这个可选步骤生成一个MEX文件，运行MEX函数，并报告问题。点击下一个去生成代码页面。

3.生成C代码

集构建类型，单击产生．该应用程序生成一个MEX函数，myknnensemblepredict_mex.．MEX函数是一个来自MATLAB可执行的C / C ++程序。您可以使用MEX功能来加速MATLAB算法并测试生成的功能和运行时问题的代码。有关详细信息,请参见MATLAB算法加速（MATLAB编码器）和为什么在Matlab中测试MEX函数？（MATLAB编码器）．

根据指定的构建类型，MATLAB编码器生成编译到静态库，动态链接库或可执行文件的MEX函数或独立C / C ++代码。有关设置构建类型的详细信息，请参阅配置构建设置（MATLAB编码器）．

点击下一个去完成工作流程页面。

4.查看完成工作流程页面

的完成工作流程页表示代码生成成功。此页面还提供了项目摘要和到生成的输出的链接。

使用脚本生成代码

在定义输入类型之后，您可以将MATLAB Coder项目转换为MATLAB命令的等效脚本。然后运行脚本生成代码。有关详细信息,请参见将MATLAB编码器项目转换为MATLAB脚本（MATLAB编码器）．

在MATLAB编码器应用程序工具栏上，单击打开动作菜单按钮:

选择转换为脚本，然后单击节省．该应用程序创建文件myknnensemblepredict_script.m.，它在配置对象中重新生成项目，并运行Codegen.（MATLAB编码器）函数。

显示文件的内容myknnensemblepredict_script.m.．

类型myknnensemblepredict_script.m.

从myknnEnsemblePredict生成MEX-function myknnEnsemblePredict_mex %。% %从项目“myknnEnsemblePredict”生成的脚本。撮合下2017年- 11月17日。% %参见CODER, CODER。配置,编码器。TYPEOF CODEGEN。%%创建类'coder.MexCodeConfig'的配置对象。cfg = coder.config(墨西哥人);cfg。GenerateReport = true;cfg。ReportPotentialDifferences = false; %% Define argument types for entry-point 'myknnEnsemblePredict'. ARGS = cell(1,1); ARGS{1} = cell(4,1); ARGS{1}{1} = coder.typeof(0,[Inf 34],[1 0]); ARGS{1}{2} = coder.Constant('knnEnsemble'); ARGS{1}{3} = coder.Constant('Learners'); ARGS{1}{4} = coder.typeof(0,[1 13],[0 1]); %% Invoke MATLAB Coder. codegen -config cfg myknnEnsemblePredict -args ARGS{1} -nargout 2

运行脚本。

myknensemblepredict_script.

代码生成成功:要查看报告，打开('codegen/mex/myknnEnsemblePredict/html/report.mldatx')

验证生成的代码

测试MEX功能以验证生成的代码是否提供与原始MATLAB代码相同的功能。要执行此测试，请使用您用于运行原始MATLAB代码的相同输入运行MEX函数，然后比较结果。在生成独立代码之前在MATLAB中运行MEX函数也使您可以检测和修复在生成的独立代码中诊断的运行时错误。有关详细信息，请参见为什么在Matlab中测试MEX函数？（MATLAB编码器）．

传递一些预测数据以验证myknnensemblepredictMEX函数返回相同的结果。

[label1, score1] =预测(Mdl X,“学习者”，1：10）;[label2，得分2] = myknensemblepredict（x，“knnEnsemble”，“学习者”，1：10）;[label3，score3] = myknensemblepredict_mex（x，“knnEnsemble”，“学习者”，1：10）;

相比标签1，标签2.， 和标签3.通过使用isequal．

isequal (label1 label2 label3)

ans =逻辑1

isequal返回逻辑1（真的），这意味着所有输入都是相等的。

的得分3.MEX功能的输出可能包括与来自的输出相比的圆截止差异预测函数。在这种情况下，比较得分1和得分3.，允许小的宽容。

查找（ABS（Score1-Score3）> 1E-12）

ans = 0x1空双列向量

找如果元素 - 明智的绝对差异，则返回空向量得分1和得分3.不大于指定的公差1E-12．比较证实了这一点myknnensemblepredictMEX函数返回相同的结果。