代码生成
为统计和机器学习工具箱™函数生成C/ c++代码和MEX函数
MATLAB®编码器™从支持代码生成的统计和机器学习工具箱函数生成可读和可移植的C和c++代码。例如，通过使用代码生成将训练好的支持向量机(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测结果进行分类。
你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,codegen(MATLAB编码器)用于机器学习模型的对象函数。使用创建的编码器配置器
learnerCoderConfigurer为预测而且更新机器学习模型的对象函数。在生成的代码中使用配置器和更新模型参数来配置代码生成选项。使用
codegen用于支持代码生成的其他函数。
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定点设计器™。
将机器学习模型的预测集成到Simulink中®，使用MATLAB函数块或统计和机器学习工具箱库中的Simulink块。
要了解代码生成，请参见代码生成简介．
有关支持代码生成的函数列表，请参见函数列表(C/ c++代码生成)．
功能
对象
块
主题
代码生成工作流程
- 代码生成简介
学习如何为统计和机器学习工具箱函数生成C/ c++代码。 - 通用代码生成工作流程
生成不使用机器学习模型对象的统计和机器学习工具箱函数的代码。 - 命令行机器学习模型预测的代码生成
在命令行生成用于预测分类或回归模型的代码。 - 增量学习的代码生成
生成在命令行实现二进制线性分类增量学习的代码。 - 利用MATLAB编码器应用程序生成机器学习模型预测的代码
类生成用于分类或回归模型预测的代码MATLAB编码器应用程序。 - 使用编码器配置器预测和更新的代码生成
使用编码器配置器生成模型预测的代码，并在生成的代码中更新模型参数。 - 为代码生成指定可变大小的参数
生成接受输入参数的代码，这些输入参数的大小可能在运行时改变。 - 生成代码对表中的数据进行分类
生成用于对包含数字变量和分类变量的表中的数据进行分类的代码。 - 为分类预测器创建虚拟变量并生成C/ c++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。 - 支持向量机预测的定点代码生成
生成用于SVM分类或回归模型预测的定点代码。 - 代码生成和分类学习应用程序
使用classification Learner应用程序训练分类模型，并生成用于预测的C/ c++代码。 - 最近邻搜索器的代码生成
使用最近邻搜索器模型生成查找最近邻的代码。 - 概率分布对象的代码生成
生成将概率分布对象拟合到样本数据并计算拟合的分布对象的代码。 - 分类学习者训练的逻辑回归模型的代码生成
这个例子展示了如何使用Classification Learner训练逻辑回归模型，然后生成使用导出的分类模型预测标签的C代码。 - 异常检测的代码生成
使用训练过的隔离森林模型或单类SVM生成检测数据异常的单精度代码。
分类和回归预测块
- 使用classiationsvm预测块预测类标签
这个例子展示了如何在Simulink®中使用ClassificationSVM预测块进行标签预测。 - 使用ClassificationTree预测块预测类标签
使用分类学习者应用程序训练分类决策树模型，然后使用ClassificationTree预测块，用于标签预测。 - 使用ClassificationEnsemble预测块预测类标签
训练一个具有最优超参数的分类集成模型，然后使用ClassificationEnsemble预测块，用于标签预测。 - 使用ClassificationNeuralNetwork预测块预测类标签
训练一个神经网络分类模型，然后使用ClassificationNeuralNetwork预测块，用于标签预测。 - 使用ClassificationKNN预测块预测类标签
训练一个最近邻分类模型，然后使用ClassificationKNN预测块，用于标签预测。 - 使用回归支持向量机预测块预测响应
使用回归学习者应用程序训练支持向量机(SVM)回归模型，然后使用RegressionSVM预测块用于响应预测。 - 使用RegressionTree预测块预测响应
这个例子展示了如何在Simulink®中使用RegressionTree Predict块进行响应预测。 - 使用RegressionEnsemble预测块预测响应
训练一个具有最优超参数的回归集成模型，然后使用RegressionEnsemble预测块用于响应预测。 - 使用回归神经网络预测块预测响应
训练一个神经网络回归模型，然后使用RegressionNeuralNetwork预测块用于响应预测。 - 使用RegressionGP预测块预测响应
训练一个高斯过程(GP)回归模型，然后使用RegressionGP预测块用于响应预测。
代码生成应用
- 使用MATLAB函数块预测类标签
从Simulink模型生成代码，该模型使用SVM模型对数据进行分类。 - 用于分类和代码生成的系统对象
从System对象™生成代码，用于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。 - 使用状态流预测类标签
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。 - 面向定点部署的人体活动识别Simulink模型
从为定点部署准备的分类Simulink模型生成代码。 - 在Arduino硬件上使用机器学习算法识别打孔和弯曲手势(Arduino硬件的Simulink支持包)
本示例展示了如何使用Arduino®硬件的Simulink®支持包来使用机器学习算法识别打孔和弯曲的手势。 - 将神经网络回归模型应用于FPGA/ASIC平台
在Simulink中使用神经网络回归模型进行预测，并使用HDL代码生成将Simulink模型部署到FPGA/ASIC平台。
特色的例子
您也可以从以下列表中选择一个网站: