训练分类模型

此示例使用电离层数据集，其中包含雷达返回的质量(Y)和预测数据(X)．雷达返回的数据要么质量良好(‘g’)或质量低劣(“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

MATLAB函数块不能返回单元格数组。将响应变量转换为逻辑向量，其元素为1如果雷达信号正常，而且0否则。

Y = strcmp (Y,‘g’);

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。

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

Mdl是一个ClassificationSVM模型。

保存模型使用saveLearnerForCoder

在命令行中，您可以使用Mdl对新的观测结果做出预测。但是，您不能使用Mdl作为用于代码生成的函数中的输入参数。

准备Mdl在函数中加载saveLearnerForCoder。

saveLearnerForCoder (Mdl“SVMIonosphere”);

saveLearnerForCoder契约Mdl，然后保存在mat文件中SVMIonosphere.mat。

定义MATLAB函数

定义一个MATLAB函数命名为svmIonospherePredict.m这可以预测雷达回波的质量是否良好。函数必须:

函数(标签,分数)= svmIonospherePredict (X)% # codegen使用支持向量机模型预测雷达返回质量svmIonospherePredict预测标签和估计分类雷达返回的百分比分数在预测数据X的数字矩阵中%，使用文件SVMIonosphere.mat中的压缩支持向量机模型。行(X)%对应观察值，列对应预测变量。标签%为预测标签，分数为置信度测量%分类雷达返回质量为良好。％版权所有2016 The MathWorks Inc.Mdl = loadLearnerForCoder (“SVMIonosphere”);[标签,bothscores] =预测(Mdl X);分数= bothscores (:, 2);结束

注意:如果您单击位于此页右上角部分的按钮，并在MATLAB中打开此示例，那么MATLAB将打开示例文件夹。这个文件夹包括入口点函数文件。

创建模型模型

用MATLAB函数块创建一个Simulink模型svmIonospherePredict.m。

本示例提供了Simulink模型slexSVMIonospherePredictExample.slx。打开Simulink模型。

SimMdlName =“slexSVMIonospherePredictExample”；open_system (SimMdlName)

图中显示了Simulink模型。当输入节点检测到雷达返回时，它将观察结果引导到MATLAB函数块中svmIonospherePredict.m。在预测标签和分数之后，模型将这些值返回到工作区，并在模型中一次显示一个值。当你负荷slexSVMIonospherePredictExample.slx， MATLAB也加载它需要调用的数据集radarReturnInput。然而，这个例子展示了如何构造所需的数据集。

该模型期望以结构数组的形式接收输入数据radarReturnInput包含这些字段:

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);

您可以更改名称radarReturnInput，然后在模型中指定新名称。然而，Simulink期望结构数组包含所描述的字段名。

使用训练外的数据来模拟模型，即训练中的数据radarReturnInput。

sim (SimMdlName);

图中显示了处理所有观测后的模型radarReturnInput一次一个。的预测标签X(351年:)是1它的正班分数是1.431。的变量吹捧，你,svmlogsout出现在工作区中。你而且svmlogsout是SimulinkData。数据集对象，其中包含预测的标签和分数。有关更多细节，请参见日志模拟数据格式(模型)。

从仿真日志中提取仿真数据。

labelsSL = svmlogsout.getElement (1) .Values.Data;scoresSL = svmlogsout.getElement (2) .Values.Data;

labelsSL是预测标签的51 × 1数字向量。labelsSL (j)＝1意味着支持向量机模型预测了雷达返回j以后的样品质量很好，而且0否则意味着。scoresSL是一个51 × 1的正类分数的数值向量，即，到决策边界的带符号距离。阳性分数与预测的标签相对应1，负分数对应于的预测标签0。

在命令行中预测标签和正类分数预测。

[labelCMD, scoresCMD] =预测(Mdl ftrX);scoresCMD = scoresCMD (:, 2);

labelCMD而且scoresCMD是相称labelsSL而且scoresSL。

比较未来样本，积极的班级分数返回slexSVMIonospherePredictExample给那些被召唤回来的人预测在命令行。

err = sum((scoresCMD - scoresSL).^2);犯错< eps

ans =逻辑1

两组分数之间的偏差平方和可以忽略不计。

如果您也有Simulink Coder™许可证，那么您可以从slexSVMIonospherePredictExample.slx在Simulink或从命令行使用slbuild(模型)。有关更多细节，请参见为模型生成C代码(仿真软件编码器)。