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:

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:

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。