Поддерживаемые типы данных

Statistics and Machine Learning Toolbox™ поддерживает следующие типы данных для входных параметров:

  • Числовые скаляры, векторы, матрицы или массивы, имеющие один - или записи с двойной точностью. Эти формы данных имеют тип данных single или double. Примеры включают переменные отклика, переменные прогноза и числовые значения.

  • Массивы ячеек из символьных векторов; символ, строка, логические, или категориальные массивы; или числовые векторы для категориальных данных о группировке представления переменных. Эти формы данных имеют типы данных cell (в частности cellstr), char, string, logical, categorical, и single или double, соответственно. Примером является массив меток класса в машинном обучении.

    • Можно также использовать номинальные или порядковые массивы для категориальных данных. Однако nominal и типы данных ordinal могут быть удалены в будущем релизе. Чтобы работать с номинальными или порядковыми категориальными данными, используйте тип данных categorical вместо этого.

    • Можно использовать целые числа со знаком или беззнаковое целое, например, int8 или uint8. Однако:

      • Функции оценки не могут поддержать целое число со знаком или типы данных беззнаковых целых чисел для негруппировки данных.

      • Если вы переделываете single или double числовой вектор, содержащий значения NaN к целому числу со знаком или беззнаковому целому, то программное обеспечение преобразовывает элементы NaN в 0.

  • Некоторые функции поддерживают табличные массивы для гетерогенных данных (для получения дополнительной информации см. Таблицы (MATLAB)). Тип данных table содержит переменные любого из типов данных, ранее перечисленных. Пример смешан категориальные и числовые данные о предикторе для регрессионного анализа.

    • Для некоторых функций можно также использовать массивы набора данных для гетерогенных данных. Однако  тип данных dataset может быть удален в будущем релизе. Чтобы работать с гетерогенными данными, используйте  тип данных table, если функция оценки поддерживает его.

    • Функции, которые не поддерживают выборочные данные поддержки типов данных table типа single или double, например, матрицы.

  • Некоторые функции принимают входные параметры gpuArray так, чтобы они выполнились на графическом процессоре. Для полного списка функций Statistics and Machine Learning Toolbox, которые принимают gpuArrays, смотрите Функции с gpuArray Аргументами.

  • Некоторые функции принимают, что входные параметры tall массивов работают с большими наборами данных. Для полного списка функций Statistics and Machine Learning Toolbox, которые принимают длинные массивы, смотрите Поддержку Длинного массива, Указания по применению и Ограничения.

  • Некоторые функции принимают разреженные матрицы, т.е. матричный A, таким образом, что issparse(A) возвращает 1. Для функций, которые не принимают разреженные матрицы, переделайте данные к полной матрице при помощи full.

Statistics and Machine Learning Toolbox не поддерживает следующие типы данных:

  • Комплексные числа.

  • Пользовательские типы числовых данных, например, переменная, которая является двойной точностью и объектом.

  • Подписанные или числовые целые числа без знака для негруппировки данных, например, unint8 и int16.

Примечание

Если вы задаете данные неподдерживаемого типа, то программное обеспечение может возвратить ошибку или неожиданные результаты.

Для просмотра документации необходимо авторизоваться на сайте