分類学習器から生成されたモデルを配布するには、モデルを保存する必要があります。次の手順に従って行います。
1. アプリケーションでモデルを学習させた後、アプリケーションから「モデルのエクスポート」機能を使用してそのモデルを保存します。これにより、MATLABワークスペースでモデルが構造体の変数が生成されます（ここで、その変数名を "trainedModel"とします）。
2. "trainedModel" 構造体を "MAT"ファイルに保存します（このときのファイルめいを "model.mat"とします）。
3.スタンドアロンアプリケーションとして展開するためのMATLAB コードを以下の流れで作成します。
1) "model.mat"をロードします。
2) 入力データを "テーブル" 型に変換します。
3) モデルから "ClassificationTree"を抽出します。
4) "ClassificationTree"と、入力パラメータであるデータを渡して、"predict "関数を実行します。
5) predict 関数の呼び出しは、入力データと訓練されたモデルに基づいて予測を返します。この値を出力します。
% This function takes "ValidationData" as an input from Excel and
% returns "yfit" which a prediction based on the "trainedModel" from "model.mat"
function yfit = runModelFromMATLAB(ValidationData)
%# function CompactClassificationTree
%# function ClassificationTree
%# function mlearnapp.internal.model.DatasetSpecification % declares which "predict" function to use
load model.mat; % trained model from Classification Learners App
ModTableData = ValidationData;
% convert data to table
ModTableData = cell2table(ModTableData, 'VariableNames',...
{'status','trial_devcount','errorcnts','trial_avgviewedmins',...
'trialviewedmins','trial_avgbitrate'});
% get classification tree from the model and call predict using this tree
ModelClassTree = trainedModel.ClassificationTree;
yfit = predict(ModelClassTree, ModTableData);
注意：
- デプロイされたターゲット内の "trainedModel"内にある "predictFcn"は使用できません。
- すべての MATLAB ツールボックスに複数の "predict" 関数があるため、”#function” プラグマを使用する必要ががります。この場合では、 "Classification" メソッドから "predict" 関数をコールする必要があります。
- 入力データ要件は、使用されているモデルに応じて異なる場合があります。この場合では、モデルはデータがテーブルの形式であることを必要とします。
- ClassificationTreeを含めた後でも、以下の警告メッセージが表示される場合があります。
Warning: Could not find appropriate function on path loading function handle <C:\Program Files\MATLAB\R2017a\toolbox\stats\mlearnapp\+mlearnapp\+internal\+model\DatasetSpecification.m>@(x)exportableModel.predictFcn(predictorExtractionFcn(x))>”
以下の URL にて、関連ドキュメンテーションをご覧いただけます。
・MATLAB Compiler の使用による予測の展開
