列车分类模型

加载电离层数据集。该数据集有34个预测器和351个雷达返回二进制响应，坏的(“b”)或好(‘g’）.

负载电离层

用训练分类集成模型k-最近邻弱学习者的随机子空间方法。有关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”）%用于重现性学习者=模板“NumNeighbors”2);Mdl = fitcensemble(X,Y，“方法”，“子”，“NPredToSample”5,.．.“学习者”学习者,“NumLearningCycles”13);

保存模型使用saveLearnerForCoder

将训练过的集成模型保存到一个名为knnEnsemble.mat在您的当前文件夹中。

saveLearnerForCoder (Mdl“knnEnsemble”）

saveLearnerForCoder做出完整的分类模型Mdl压缩，然后保存到MATLAB二进制文件knnEnsemble.mat作为当前文件夹中的结构数组。

定义入口点函数

一个入口点函数，也称为顶级或主要的函数，是为代码生成而定义的函数。您必须定义一个入口点函数，该函数调用支持代码生成的函数，并从入口点函数生成C/ c++代码。入口点函数中的所有函数都必须支持代码生成。金宝app

在当前文件夹中的新文件中，定义一个名为myknnEnsemblePredict它的作用如下:

可以通过指定允许可选的名称-值参数变长度输入宗量作为输入参数。详情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myknnensemble blepredict的内容。m文件。

function [label,score] = myknnensemble blepredict (X,fileName,varargin) %#codegen CompactMdl = loadLearnerForCoder(fileName);[label,score] = predict(CompactMdl,X,varargin{:});结束

添加% # codegen编译器指令(或pragma)添加到函数签名后的入口点函数，以表明您打算为MATLAB算法生成代码。添加此指令将指导MATLAB代码分析器帮助您诊断和修复代码生成过程中可能导致错误的违反。看到用代码分析器检查代码(MATLAB编码器)．

注意:如果单击位于此页右上角部分的按钮并在MATLAB中打开此示例，则MATLAB将打开示例文件夹。此文件夹包括入口点函数文件(myknnEnsemblePredict.m)和测试文件(test_myknnEnsemblePredict.m)。

设置编译器

要生成C/ c++代码，必须能够访问配置正确的C/ c++编译器。MATLAB Coder定位并使用一个支持的、安装的编译器。金宝app你可以用墨西哥人设置查看和更改默认编译器。有关更多细节，请参见更改默认编译器．

创建测试文件

编写一个调用的测试脚本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值对参数。在使用MATLAB Coder应用程序生成代码时，您可以使用这个测试脚本自动定义输入类型。

在本例中，创建test_myknnEnsemblePredict.m文件在您的当前文件夹中，如图所示。

类型test_myknnEnsemblePredict.m显示test_myknnensemble blepredict的内容。m文件。

%% Load样本数据负载电离层%% Test myknnEnsemblePredict [label,score] = myknnEnsemblePredict(X，'knnEnsemble'，' learner '，1:13);

详情请参见使用App自动定义输入类型(MATLAB编码器)．

使用MATLAB编码器程序生成代码

MATLAB Coder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引导您完成代码生成过程。下面的步骤描述了MATLAB Coder应用程序的简单工作流程。更多细节，请参见MATLAB编码器(MATLAB编码器)而且使用MATLAB Coder App生成C代码(MATLAB编码器)．

1.打开MATLAB Coder App，选择入口点函数文件。

在应用程序选项卡，在应用程序部分，单击显示更多箭头打开应用程序库。下代码生成,点击MATLAB编码器．应用程序打开选择源文件页面。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语言使用静态类型，所以MATLAB Coder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并点击自动定义输入类型．

的输入类型myknnEnsemblePredict基于测试脚本的函数。

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

集构建类型切换到MEX，单击生成．该应用程序生成一个MEX函数，myknnEnsemblePredict_mex．MEX函数是一个可在MATLAB中执行的C/ c++程序。您可以使用MEX函数来加速MATLAB算法，并测试生成的代码的功能和运行时问题。详情请参见MATLAB算法加速(MATLAB编码器)而且为什么要在MATLAB中测试MEX函数?(MATLAB编码器)．

根据指定的构建类型，MATLAB Coder生成MEX函数或编译为静态库、动态链接库或可执行文件的独立C/ c++代码。有关设置生成类型的详细信息，请参见配置生成设置(MATLAB编码器)．

点击下一个去完成工作流程页面。

4.查看完成工作流页面

的完成工作流程页指示代码生成成功。此页面还提供了项目摘要和生成输出的链接。

使用脚本生成代码

在定义输入类型之后，可以将MATLAB Coder项目转换为MATLAB命令的等价脚本。然后运行脚本生成代码。详情请参见转换MATLAB编码器项目到MATLAB脚本(MATLAB编码器)．

在MATLAB Coder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，然后按保存．应用程序创建文件myknnEnsemblePredict_script.m，它在配置对象中复制项目并运行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函数myknnEnsemblePredict_mex %。% %从项目' myknnensemble blepredict生成的脚本。prj' 2017年11月17日。% %参见CODER, CODER。配置,编码器。TYPEOF CODEGEN。创建类'code . mexcodeconfig '的配置对象。CFG = code .config('mex');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。

myknnEnsemblePredict_script

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

验证生成的代码

测试MEX函数，以验证生成的代码提供了与原始MATLAB代码相同的功能。要执行此测试，使用与运行原始MATLAB代码相同的输入运行MEX函数，然后比较结果。在生成独立代码之前在MATLAB中运行MEX函数还使您能够检测和修复在生成的独立代码中很难诊断的运行时错误。有关更多细节，请参见为什么要在MATLAB中测试MEX函数?(MATLAB编码器)．

传递一些预测器数据来验证这一点myknnEnsemblePredict和MEX函数返回相同的结果。

[label1,score1] = predict(Mdl,X，)“学习者”、1:10);[label2,score2] = myknnensemble blepredict (X，“knnEnsemble”，“学习者”、1:10);[label3,score3] = myknnintegrblepredict_mex (X，“knnEnsemble”，“学习者”、1:10);

比较label1，label2,label3通过使用isequal．

isequal (label1 label2 label3)

ans =逻辑1

isequal返回逻辑1 (真正的)，这意味着所有的输入是相等的。

的score3函数的输出可能包含舍入差预测函数。在本例中，进行比较score1而且score3，允许小的公差。

查找(abs(score1-score3) > 1e-12)

Ans = 0x1空双列向量

找到之间的绝对差值返回空向量score1而且score3是否大于规定的公差1 e-12．对比证实了myknnEnsemblePredict和MEX函数返回相同的结果。