分类学习器，エクスポートするをを[モデル]ペインから选択ます。

[分类]タブの[エクスポート]セクションで次エクスポートのいずれかクリックします。

必要な，する変数の名前[モデルの]ダイアログダイアログボックスで编集し。[OK]をし。器がされようにため，エクスポートしたた既定名既定名既定名训练的模型は，を行うにインクリメントさます（训练的模型1など）。

新しい変数 (训练的模型など) がワークスペースに表示されます。

エクスポートし关する情报がウィンドウウィンドウれ。。メッセージを読んで，新しい新しいデータで予测予测を行う行う行う方法方法

エクスポートし分类を使用してデータデータtについて予測を行うには、次の形式を使用します。

是的= C.predictFcn(T)

アプリでし学习と同じ形式データ型のデータtを指定します (テーブルまたは行列)。

出力の是的には点ごとクラスの予测含まててますます。

エクスポートした構造体のフィールドを確認します。予測を行う方法のヘルプを表示するには、次のように入力します。

C。HowToPredict

分類学習器の[モデル]ペインでコード生成するを选択します。

[分类]タブの[エクスポート]セクションで[関数の生成]をクリックし。

matlabのがさ生成れれののエディターにますます。このこのこのファイルファイルには，予测子予测子，応答応答，，分类器の学习学习方法方法およびおよび検证検证

器の再学习させるはは元のデータデータデータをを入力入力引数引数引数としてとして指定ててコマンドコマンドラインラインでで关数をを呼び出しますます。新しいデータはは元

生成さたコードのの行目行目行目功能という単語を除いた部分をコピーし、学習データまたは新しいデータの変数名を反映するように入力引数trainingDataを编集ます。同様，，responseData入力引数编集ます（该当する）。

たとえば、fishertableデータセットで学習させた分類器を再学習させるには、次のように入力します。

[TrainedModel，validationAccuracy] = trainclassifier（fishertable）

生成さコードは，构造体训练的模型を返しこの体には，器分类からワークスペースににエクスポートエクスポートするすると作成される构造构造体体ととと同じ同じ

同一の分類器を新しいデータによって学習させる処理を自動化する方法や、プログラムで分類器を学習させる方法については、生成されたコードを確認してください。このコードには、次の処理を行う方法が示されています。

たとえば、分類学習器で SVM モデルに学習をさせ、そのモデルをワークスペースにエクスポートします。

エクスポートしで基なる分类を调べ。构造体ののフィールドを调べててモデルオブジェクトをを识别识别识别，C。ClassificationSVMのようにます。Cは構造体の名前です。

基とオブジェクトは，学习を行っ行ったた行っタイプタイプタイプ（バイナリまたはクラス）とととととと，コンパクトモデルをエクスポートエクスポートしししたたかClassificationSVM，CompactClassificationSVM，分类，またはcompactclassificationecocにすることができ。

Savelearnerforcoder（MDL，文件名）というよう关数节省LearnerForCoderを使用して、コード生成用にモデルを準備します。以下に例を示します。

savelearnerforcoder（c.classificationsvm，'mySVM'）

保存されたモデルを読み込んで新しいデータに対して予測を行う関数を作成します。以下に例を示します。

功能label = classifyx（x）%#codegen％classifyx使用SVM模型分类％classifyx分类x中的测量值% using the SVM model in the file mySVM.mat, and then％返回标签中的类标签。CompactMdl = loadLearnerForCoder('mySVM'）；label = predition（compactmdl，x）;结尾

关数から MEX 関数を生成します。以下に例を示します。

codegenclassifyx.m-args{数据}

mex关数使用て予测行います以下に例示し。。

labels = classifyx_mex（data）;

次のをし，学习済み器の构造体CPCACENTERSフィールドおよびpcacoeficiationsフィールドフィールドをにします。。。

节省（'pcaInfo.mat'，，，，'-struct'，，，，'C'，，，，“ PCACATENTERS”，，，，“ PCACOEFICISTICS”）；

作成した関数のファイルに、PCA 変換を実行する追加の行を含めます。関数を作成します。この関数では、保存されたモデルを読み込み、PCA を実行し、新しいデータに対して予測を行います。以下に例を示します。

功能label = classifyx（x）%#codegen％classifyx使用SVM模型分类％classifyx分类x中的测量值% using the SVM model in the file mySVM.mat,% and then returns class labels in label.％如果您在应用中使用手动功能选择，请确保x％仅包含您在模型中包含的列。CompactMdl = loadLearnerForCoder('mySVM'）；pcaInfo = coder.load('pcaInfo.mat'，，，，“ PCACATENTERS”，，，，“ PCACOEFICISTICS”）；PCACenters = pcaInfo.PCACenters; PCACoefficients = pcaInfo.PCACoefficients;% Performs PCA transformationpcaTransformedX = bsxfun(@minus,X,PCACenters)*PCACoefficients; [label,scores] = predict(CompactMdl,pcaTransformedX);结尾