我是一名电子爱好者，他试图使用ML来模拟传感器中的错误，我已经在python中使用SVM scikit-learn中的SVM训练模型中的传感器数据。
但过滤数据的用例非常即时，即传感器数据用于维持四轴飞行器的飞行，原始传感器数据应至少以200 Hz的速率过滤学习模型，确定我的PC可以做到，但我不能将我的PC放在四轴飞行器上，因此我需要在微型CPU /微控制器上运行该模型，但是，我选择的微控制器没有支持python。
那么如何获取/提取学习模型的数学本质，换句话说，我如何获得通过训练近似的函数，以便我可以在我选择的任何微控制器中实现它。
只是初学者试图学习，任何帮助将不胜感激。
答案 0 :(得分：1)
由于计算能力有限，使用Logistic回归可能是一个很好的选择，它很简单，计算成本低且易于重现，它是一个简单的函数，如y = w0 + w1.x1 + w2.x2 + ... + wn.xn。
要提取函数，您可以使用scikit-learn LogisticRegresion模型（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html）中的以下属性：
属性： coef _ ：数组，形状（1，n_features）或（n_classes， n_features）
决策函数中的特征系数。
当给定问题是二进制时，coef_具有形状（1，n_features）。
拦截_ ：数组，形状（1，）或（n_classes，）
拦截（a.k.a. bias）添加到决策函数中。
如果fit_intercept设置为False，则截距设置为零。 当问题是二进制时，intercept_的形状为（1，）。
如果您仍想使用SVM，我认为这个类似的问题对您有用：How to extract info from scikits.learn classifier to then use in C code