Statistics and Machine Learning Toolbox™ обеспечивает функции и приложения, чтобы описать, анализировать, и данные модели. Можно использовать описательную статистику и графики для исследовательского анализа данных, подходящих распределений вероятностей к данным, сгенерировать случайные числа для симуляций Монте-Карло и выполнить тесты гипотезы. Регрессия и алгоритмы классификации позволяют вам чертить выводы из данных и создать прогнозирующие модели.
Для анализа многомерных данных Statistics and Machine Learning Toolbox обеспечивает выбор функции, пошаговую регрессию, анализ главных компонентов (PCA), регуляризацию и другие методы сокращения размерности, которые позволяют вам идентифицировать переменные или функции, которые влияют на вашу модель.
Тулбокс предоставляет контролируемые и безнадзорные алгоритмы машинного обучения, включая машины вектора поддержки (SVMs), повышенные и сложенные в мешок деревья решений, k - самого близкого соседа, k - средние значения, k-medoids, иерархическая кластеризация, Гауссовы модели смеси и скрытые модели Маркова. Многие алгоритмы статистики и машинного обучения могут использоваться для вычислений на наборах данных, которые являются слишком большими, чтобы храниться в памяти.
Узнайте возможности машинного обучения в MATLAB® для классификации, регрессии, кластеризации и глубокого обучения, включая приложения для автоматизированного образцового обучения и генерации кода.
Рабочий процесс для обучения, выдерживая сравнение и улучшая модели классификации, включая автоматизированное, ручное, и параллельное обучение.
Рабочий процесс для обучения, выдерживая сравнение и улучшая модели регрессии, включая автоматизированное, ручное, и параллельное обучение.
Сравните дистрибутивы данных с помощью медианы, межквартильного размаха и процентилей.
Визуально сравните эмпирическое распределение выборочных данных с заданным распределением.
Сгенерируйте случайные выборки от заданных распределений вероятностей, и отображения отображают выборки как гистограммы.
Поймите шаги для контролируемого изучения и характеристик непараметрической классификации и функций регрессии.
Решите проблемы статистического моделирования с активным сбором данных.
