Matlab训练模型、导出模型及VC调用全过程详解

MATLAB是美国MathWorks公司出品的商业数学软件，为算法开发、数据可视化、数据分析以及数值计算等提供了高级计算语言和交互式环境。随着人工智能的崛起，MATLAB也添加了自己的机器学习工具包，只需要很少的代码或命令就能完成 模型 训练和测试的过程，训练好的模型也能方便的导出，供VC等调用。本文主要介绍模型训练、导出和调用的整个过程。

软件版本：

VC2015，matlab2018a

1，数据准备。

随机生成一组训练数据，格式如下：

x,y,label

x,y为坐标，label为标签

我生成的数据总量为3000，格式如下：

前1500：x>0, y>0,   label=1      x，y落在坐标系的第一象限

后500  ：x<0, y>0,   label=0      x，y落在坐标系的第二象限

后500  ：x<0, y<0,   label=0      x，y落在坐标系的第三象限

后500  ：x>0, y<0,   label=0      x，y落在坐标系的第四象限

数据存为csv格式，如下图所示：

2，模型训练

（1）打开matlab，将工作目录设置在cvs文件所在目录，点开APPS选项卡，点击Classification Learner

（2）点击菜单：New Session  ，选择From File

（3）选择我们生成的训练数据文件后，matlab显示出了文件内容，点击Insert Selection导入文件

（4）数据设置，前两列为训练数据，第三列为标签，点击Start Session

数据导入后，分类器显示数据点的分布情况，可以看到：标签为1的样本显示为红色，分布在第一象限；标签为0的样本显示为蓝色，分布在二三四象限。

（5）开始训练，此时分类器默认选择的模型为Fine Tree，我们可以直接使用这个模型进行训练，也可以选择ALL，让所有的模型都进行训练，从而根据训练结果选择最好的模型，这里我们直接点击Train进行训练。训练完成后显示Fine Tree模型对于当前样本的识别率为100%（matlab将导入的样本分为两份，一份训练，一份测试，100%是对测试样本集测试后得出的结果）。

3，模型导出及使用

选择训练好的Fine Tree模型，点击Export Model，选择Export compact model，导出训练好的模型

模型导出后，在matlab的变量列表里，出现了导出的模型：Trained model

双击Trained model，可以看到模型的内部结构

使用命令，将模型里的分类器导出为mat文件：

saveCompactModel(trainedModel.ClassificationTree, 'ClassificationTree')

命令执行成功后，工作目录出现ClassificationTree.mat文件

此mat文件无法被VC直接使用，可以在matlab里封装一个函数，函数里使用此分类器进行分类，然后将此函数导出C/C++代码或dll供VC使用。

function label = treemodel(input)    	model = loadCompactModel('ClassificationTree.mat');    	label = predict(model,input);end

在matlab命令行里输入coder，打开代码转换工具，将封装的matlab函数导出为C/C++代码

点击...选择刚才封装好的.m文件， 点击下一步，进入输入参数定义界面

点击let me enter input or global types directly，定义输入参数：

输入类型为 double  类型的x，y坐标，所以选择double，类型为1*2（选择1xn，n的位置输入2）

选择下一步，点击Generate生成代码

生成成功后，matlab工作目录出现codegen文件夹，里边是生成的文件

将图中所有的.c和.h文件导入VC工程（.c文件去掉预编译头选项），然后打开examples文件夹，查看示例文件 main  .h和main.c，仿照其示例调用分类函数进行分类测试（注意：头文件包含使用extern "C"方式）

最后一步，输入任意数据进行测试

至此，所有流程全部完成。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删