我是一名电子爱好者，正在尝试使用机器学习来建模传感器中的误差。我在个人电脑上使用Python中的scikit-learn库的SVM算法对传感器数据进行了训练。

但是，过滤数据的使用场景要求非常即时，即传感器数据用于维持四轴飞行器的飞行，原始传感器数据需要通过训练的模型以至少200 Hz的速率进行过滤。虽然我的电脑可以做到这一点，但我无法将电脑放置在四轴飞行器上，因此我需要将该模型运行在小型CPU/微控制器上，但我的选择范围内的微控制器都不支持Python。

那么，我如何获取/提取所学模型的数学本质，换句话说，如何获取通过训练近似的那个函数，以便我可以在任何我选择的微控制器上实现它？

我只是一个初学者，正在尝试学习，任何帮助都将不胜感激。

回答：

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，并且易于复制，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的LogisticRegression模型中的以下属性（http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html）：

属性：coef_ : 数组，形状为 (1, n_features) 或 (n_classes, n_features)

决策函数中特征的系数。

当问题是二元时，coef_ 的形状为 (1, n_features)。

intercept_ : 数组，形状为 (1,) 或 (n_classes,)

添加到决策函数中的截距（也称为偏置）。

如果fit_intercept设置为False，截距会被设置为零。当问题是二元时，intercept_ 的形状为(1,)。

如果你仍然想使用SVM，我认为这个问题可能对你有帮助：如何从scikits.learn分类器中提取信息以便在C代码中使用