代码生成
MATLAB®编码器™从支持代码生成的Statistics和Machine Learning Toolbox函数中生成可读且可移植的C和c++代码。金宝app例如，通过使用代码生成将训练有素的支持向量机(SVM)分类模型部署到设备上，可以对无法运行MATLAB的硬件设备上的新观察结果进行分类。金宝app
可以通过以下几种方式为这些函数生成C/C++代码：
使用
saveLearnerForCoder,loadLearnerForCoder,编码基因(MATLAB编码器)用于机器学习模型的目标函数。使用由创建的编码器配置器
LearnerCoder配置器对于预测和使现代化机器学习模型的对象函数。使用configurer配置代码生成选项，并在生成的代码中更新模型参数。使用
编码基因用于支持代码生成的其他函数。金宝app
您还可以为一些机器学习模型的预测生成定点C/ c++代码。这种类型的代码生成需要Fixed-Point Designer™。
将机器学习模型的预测集成到Simulink中金宝app®，使用统计和机器学习工具箱库中的MATLAB功能块或Simulink块。金宝app
要了解有关代码生成的信息，请参阅代码生成简介.
有关支持代码生成的函数列表，请参见金宝app函数列表（C/C++代码生成）.
功能
物体
块
主题
代码生成工作流
了解如何为统计和机器学习工具箱函数生成C/C++代码。
为不使用机器学习模型对象的统计和机器学习工具箱函数生成代码。
在命令行生成用于预测分类或回归模型的代码。
在命令行生成实现二进制线性分类增量学习的代码。
方法生成预测分类或回归模型的代码MATLAB编码器应用程序。
使用编码器配置器生成预测模型的代码，并在生成的代码中更新模型参数。
生成接受其大小可能在运行时更改的输入参数的代码。
生成用于对包含数字和分类变量的表中的数据进行分类的代码。
在拟合SVM分类器和生成代码之前，将分类预测器转换为数字虚拟变量。
为SVM分类或回归模型的预测生成定点代码。
使用分类学习器应用程序训练分类模型，并生成用于预测的C/C++代码。
使用最近邻居搜索器模型生成查找最近邻居的代码。
生成使概率分布对象适合于采样数据的代码，并评估适合的分布对象。
此示例演示如何使用分类学习器训练逻辑回归模型，然后使用导出的分类模型生成预测标签的C代码。
分类和回归预测块
此示例显示如何在Simulink®中使用ClassificationSVM Predict块进行标签预测。金宝app
使用分类学习器应用程序训练分类决策树模型，然后使用分类树预测块用于标签预测。
使用ClassificationEnsemble预测块预测类标签
训练具有最优超参数的分类集成模型，然后使用分类编码预测块用于标签预测。
使用ClassificationNeuralNetwork预测块预测类标签
训练神经网络分类模型，然后使用ClassificationNeuralNetwork预测块用于标签预测。
使用回归学习器应金宝app用程序训练支持向量机（SVM）回归模型，然后使用RegressionSVM预测响应预测块。
此示例显示如何在Simulink®中使用回归树预测块进行响应预测。金宝app
训练具有最优超参数的回归系综模型，然后使用回归拟合预测响应预测块。
训练神经网络回归模型，然后使用RegressionNeuralNetwork预测响应预测块。
代码生成应用程序
从Simulink模型生成代码，该模型使用金宝appSVM模型对数据进行分类。
从System对象™生成代码，使用经过训练的分类模型进行预测，并在Simulink模型中使用System对象。金宝app
从状态流生成代码®使用判别分析分类器对数据进行分类的模型。
从为定点部署准备的分类Simulink模型生成代码。金宝app
在Arduino硬件上使用机器学习算法识别穿孔和伸缩手势（金宝app针对Ar金宝appduino硬件的Simulink支持包）
这个例子展示了如何使用Simulink®Arduino®硬件支持包来金宝app识别穿孔和金宝app弯曲手势使用机器学习算法。
特色实例
你也可以从以下列表中选择一个网站:
