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.