使用分类支持向量机预测块预测类标签
的用法ClassificationSVM预测块的标签预测在Simulink®。该块接受一个观察结果(预测数据),并使用训练过的支持向量机(SVM)分类模型返回该观察结果的预测类标签和类评分。
训练分类模型
此示例使用电离层
数据集,其中包含雷达回波质量(Y
)和预测数据(X
)的34个变量。雷达返回的数据要么质量良好(‘g’
)或品质不良(“b”
).
加载电离层
数据集。确定样本大小。
负载电离层n =元素个数(Y)
n = 351
假设雷达返回是按顺序探测到的,你有前300个观测结果,但你还没有收到最后51个。将数据划分为当前和未来的样本。
prsntX = X(施用:);prsntY = Y(施用);ftrX = X(301年:,);ftrY = Y(301:结束);
使用所有当前可用的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。
方法检查负类名和正类名一会
的属性svmMdl
.
svmMdl。一会
ans =2 x1细胞{b} {' g '}
负类是“b”
,正类为‘g’
.的输出值分数端口的分类svm预测块的顺序相同。第一个和第二个元素分别对应班级负分数和班级正分数。
创建模型模型
本示例提供了Simulink模型slexIonosphereClassificationSVMPredictExample.slx
,其中包括ClassificationSVM预测块。您可以打开Simulink模型或创建一个新的模型,如本节所述。
打开Simulink模型slexIonosphereClassificationSVMPredictExample.slx
.
SimMdlName =“slexIonosphereClassificationSVMPredictExample”;open_system (SimMdlName)
的PreLoadFcn
回调函数的slexIonosphereClassificationSVMPredictExample
包括加载样本数据、训练支持向量机模型以及为Simulink模型创建输入信号的代码。如果您打开Simulink模型,那么软件将在其中运行代码PreLoadFcn
在加载Simulink模型之前。查看回调函数设置上节建模选项卡上,单击模型设置并选择模型属性.然后,在回调选项卡中,选择PreLoadFcn
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,添加classiationsvm预测块。添加导入和输出端口块,并将它们连接到ClassificationSVM预测块。
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
,它是包含训练过的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.选择为预测的班级成绩添加输出端口复选框添加第二个输出端口分数.
ClassificationSVM预测块期望一个包含34个预测值的观察结果。双击import块,并设置港维到34信号的属性选项卡。
为Simulink模型创建一个结构数组形式的输入信号。结构数组必须包含以下字段:
时间
-观察结果进入模型的时间点。在本例中,持续时间包括从0到50的整数。方向必须与预测数据中的观测值相对应。在这种情况下,时间
必须是列向量。信号
-一个描述输入数据并包含字段的1乘1结构数组值
而且维
,在那里值
是预测数据的矩阵,和维
是预测变量的数量。
为未来的雷达返回创建一个适当的结构阵列。
radarReturnInput。时间= (0:50)';radarReturnInput.signals(1)。值= ftrX;radarReturnInput.signals(1)。尺寸大小= (ftrX 2);
从工作区导入信号数据:
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,选择输入复选框并输入
radarReturnInput
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
radarReturnInput.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)
.
有关更多细节,请参见模拟负载信号数据(模型).
模拟模型。
sim (SimMdlName);
当import块检测到一个观察结果时,它将该观察结果导向ClassificationSVM Predict块。您可以使用仿真数据检查(模型),查看输出端口块的记录数据。