列车分类模型

本例使用电离层数据集，包含雷达回波质量(Y)和预测数据(X)的34个变量。雷达报告的质量良好(‘g’)或品质欠佳(“b”）.

加载电离层数据集。确定样本量。

负载电离层n =数字(Y)

N = 351

假设雷达回波是按顺序探测到的，你有前300个观测结果，但你还没有收到最后51个。将数据划分为当前样本和未来样本。

prsntX = X(1:300，:);prsntY = Y(1:300);ftrX = X(301:end，:);ftrY = Y(301:end);

使用当前所有可用数据训练支持向量机模型。指定预测器数据标准化。

svmMdl = fitcsvm(prsntX,prsntY，“标准化”,真正的);

svmMdl是一个ClassificationSVM模型。

方法检查类名的正负一会的属性svmMdl．

svmMdl。一会

ans =2 x1细胞{b} {' g '}

否定类是“b”，正类为‘g’．的输出值分数ClassificationSVM预测块的端口具有相同的顺序。第一和第二要素分别对应负类和正类分数。

创建Simulink模型

本例提供了Simulink模型slexIonosphereClassificationSVMPredictExample.slx，包括ClassificationSVM预测块。您可以打开Simulink模型或创建本节所述的新模型。

打开Simulink模型slexIonosphereClassificationSVMPredictExample.slx．

SimMdlName =“slexIonosphereClassificationSVMPredictExample”；open_system (SimMdlName)

的PreLoadFcn的回调函数slexIonosphereClassificationSVMPredictExample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。如果您打开Simulink模型，那么软件将运行代码PreLoadFcn在加载Simulink模型之前。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模型，请打开空白模型模板，并添加ClassificationSVM预测块。添加import和Outport块，并将它们连接到ClassificationSVM Predict块。

双击ClassificationSVM Predict块，打开块参数对话框。指定选择训练过的机器学习模型参数,svmMdl，这是包含训练过的SVM模型的工作空间变量的名称。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．选择为预测的班级分数添加输出端口复选框添加第二个输出端口分数．

ClassificationSVM预测块期望包含34个预测值的观测值。双击“导入”块，并设置港维到34号信号的属性选项卡。

为Simulink模型创建结构数组形式的输入信号。结构数组必须包含以下字段:

为将来的雷达返回创建一个适当的结构数组。

radarReturnInput。时间= (0:50)';radarReturnInput.signals(1)。values = ftrX;radarReturnInput.signals(1)。维度= size(ftrX,2);

从工作空间导入信号数据:

详情请参见模拟加载信号数据(模型)．

模拟模型。

sim (SimMdlName);

当import块检测到观测值时，它将观测值引导到ClassificationSVM Predict块。您可以使用模拟数据检查器(模型)查看Outport块的记录数据。