如何提取学习到的ML模型以实现不同的实现？

Question

我是一个电子爱好者，他试图用ML来建模传感器中的错误，我已经在我的PC上用scikit中的SVM和python中的learn来训练传感器数据的模型。你知道吗

但过滤数据的用例是非常即时的，即传感器数据用于维持四架直升机的飞行，原始传感器数据应至少以200 Hz的频率通过学习模型进行过滤，当然我的电脑可以做到这一点，但我不能将我的电脑放在四架直升机上，因此我需要在微型CPU/微控制器上运行该模型，但没有我选择的合适的微控制器支持python。你知道吗

因此，我如何获得/提取学习模型的数学本质，换句话说，我如何获得通过训练得到的近似函数，以便我可以在我选择的任何微控制器中实现它。你知道吗

只是一个初学者尝试学习，任何帮助将不胜感激。你知道吗

Answer 1

由于计算能力有限，可能一个好的选择是使用逻辑回归，它简单，计算成本低，易于重复，是一个简单的函数，如y=w0+w1.x1+w2.x2+。。。+ wn.xn公司. 你知道吗

要提取函数，可以使用scikit learn logisticregression model（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html）中的以下属性：

Attributes: coef_ : array, shape (1, n_features) or (n_classes, n_features)

Coefficient of the features in the decision function.

coef_ is of shape (1, n_features) when the given problem is binary.

intercept_ : array, shape (1,) or (n_classes,)

Intercept (a.k.a. bias) added to the decision function.

If fit_intercept is set to False, the intercept is set to zero. intercept_ is of shape(1,) when the problem is binary.

如果你还想使用支持向量机，我认为这个类似的问题可能对你有用：How to extract info from scikits.learn classifier to then use in C code