这个例子展示了如何训练支持向量机(SVM)回归模型使用金宝app回归的学习者应用程序,然后使用RegressionSVM预测block用于Simulink®中的响应预测。金宝app该块接受观测数据(预测数据),并使用训练好的SVM回归模型返回观测的预测响应。
在回归学习者App中使用超参数优化训练SVM回归模型。
1.在MATLAB®命令窗口中,加载carbig
数据集,并创建一个包含大部分预测变量和响应变量的向量的矩阵。
负载carbigX =[加速度,气缸,排量,马力,车型年,重量];Y = mpg;
2.开放回归学习器。在应用程序选项卡,在应用程序部分,单击显示更多箭头显示应用程序库。在机器学习和深度学习组中,单击回归的学习者.
3.在回归的学习者选项卡,在文件部分中,选择新会话并选择从工作空间..
4.在“从工作区新建会话”对话框中,选择矩阵X
从数据集变量列表。下响应,按从工作空间选项按钮,并从工作空间中选择向量Y。默认的验证选项是5倍交叉验证,以防止过拟合。对于本例,不要更改默认设置。
5.若要接受默认选项并继续,请单击开始会议.
6.选择一个可优化的SVM模型进行训练。在回归的学习者选项卡,在模型类型部分,单击显示更多箭头打开画廊。在金宝app支持向量机组中,单击Optimizable支持向量机.应用程序会禁用使用并行按钮,以选择可优化的模型。
7.在培训部分中,点击火车.应用程序显示一个最小MSE图因为它运行优化过程。在每次迭代中,应用程序都会尝试不同的超参数值组合,并使用在该迭代中观察到的最小验证均方误差(MSE)更新图表,以深蓝色表示。当应用程序完成优化过程时,它会选择一组优化的超参数,用红色方块表示。有关更多信息,请参见最小MSE图.
应用程序列出了优化的超参数优化结果部分的右边的情节和优化Hyperparameters部份当前模型总结窗格。总体而言,优化结果不可重复。
8.将模型导出到MATLAB工作区。在回归的学习者选项卡,在出口部分中,点击出口模式并选择出口模式,然后按好吧.导出模型的默认名称为trainedModel
.
或者,您可以生成MATLAB代码,使用与应用程序中训练SVM模型相同的设置来训练回归模型回归的学习者选项卡,在出口部分中,点击生成函数.该应用程序从您的会话生成代码,并在MATLAB编辑器中显示文件。该文件定义了一个函数,该函数接受预测变量和响应变量,训练回归模型,并执行交叉验证。将函数名更改为trainRegressionSVMModel
并保存函数文件。训练支持向量机模型trainRegressionSVMModel
函数。
trainedModel = trainRegressionSVMModel(X,Y);
9.提取训练好的SVM模型trainedModel
变量。trainedModel
包含一个RegressionSVM
模型对象中的RegressionSVM
字段。
svmMdl = trainedModel.RegressionSVM;
因为超参数优化会导致模型过拟合,推荐的方法是在将数据导入Regression Learner应用程序之前创建一个单独的测试集,并查看优化后的模型在测试集上的表现。详情请参见在回归学习App中使用超参数优化训练回归模型.
本例提供了Simulink模型金宝appslexCarDataRegressionSVMPredictExample.slx
,包括RegressionSVM预测块。您可以打开Simulink模型或创金宝app建本节所述的新模型。
打开Simulin金宝appk模型slexCarDataRegressionSVMPredictExample.slx
.
SimMdlName =“slexCarDataRegressionSVMPredictExample”;open_system (SimMdlName)
的PreLoadFcn
的回调函数slexCarDataRegressionSVMPredictExample
包括加载样本数据的代码,训练SVM模型,并为Simulink模型创建输入信号。金宝app如果您打开Simulink模型,金宝app那么软件将运行代码PreLoadFcn
在加载Simulink模型之前。金宝app若要查看回调函数,请在设置章节建模选项卡上,单击模型设置并选择模型属性.然后,在回调选项卡,选择PreLoadFcn
中的回调函数。模型的回调窗格。
要创建一个新的Simulink模金宝app型,请打开空白模型模板,并添加RegressionSVM预测块。添加import和Outport块,并将它们连接到RegressionSVM Predict块。
双击RegressionSVM Predict块,打开块参数对话框。您可以指定包含训练过的SVM模型的工作空间变量的名称。默认变量名为svmMdl
.单击刷新按钮。对话框显示用于训练SVM模型的选项svmMdl
下训练过的机器学习模型.
回归支持向量机预测块期望包含6个预测值的观测值。双击“导入”块,并设置港维到6点信号的属性选项卡。
为Simulink模型创建结构数组形式的输入信号。金宝app结构数组必须包含以下字段:
时间
-观测数据进入模型的时间点。方向必须与预测器数据中的观测值相对应。在这个例子中,时间
一定是列向量。
信号
—一个1乘1的结构数组,描述输入数据并包含字段值
而且维
,在那里值
是一个矩阵的预测数据,和维
是预测变量的数量。
对象创建适当的结构数组slexCarDataRegressionSVMPredictExample
模型carsmall
数据集。
负载carsmalltestX =[加速度,气缸,排量,马力,车型年,重量];testX = rmmissing(testX);carsmallInput。时间= (0:size(testX,1)-1)'; carsmallInput.signals(1).values = testX; carsmallInput.signals(1).dimensions = size(testX,2);
从工作空间导入信号数据:
打开“配置参数”对话框。在建模选项卡上,单击模型设置.
在数据导入/导出窗格中,选择输入复选框,然后输入carsmallInput
在相邻的文本框中。
在解算器窗格中,在仿真时间,设置停止时间来carsmallInput.time(结束)
.下解算器的选择,设置类型来固定步
,并设置解算器来离散(无连续状态)
.
详情请参见模拟加载信号数据(金宝app模型).
模拟模型。
sim (SimMdlName);
当import块检测到一个观测值时,它将观测值引导到RegressionSVM Predict块。您可以使用模拟数据检查器(金宝app模型)查看Outport块的日志数据。