Statistics and Machine Learning Toolbox™ предоставляет функции и приложения для описания, анализа и моделирования данных. Вы можете использовать описательную статистику и графики для исследовательского анализа данных, подгонять распределения вероятностей к данным, генерировать случайные числа для моделирования методом Monte Carlo и выполнять проверку гипотез. Алгоритмы регрессии и классификации позволяют делать выводы из данных и строить прогнозные модели.
Для анализа многомерных данных Statistics and Machine Learning Toolbox обеспечивает выбор признаков, ступенчатую 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 алгоритмы машинного обучения с учителем и без учителя, включая машины опорных векторов (SVMs), бустинг и баггинг деревьев решений, k - ближайших соседей, 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 обучения модели 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 распределения данных с помощью медианы, межквартильного размаха и процентилей.
Визуально сравните эмпирическое распределение выборочных данных с заданным распределением.
Сгенерируйте случайные выборки от заданных вероятностных распределений, и отображения отображают выборки как гистограммы.
Изучите шаги для контролируемого изучения и характеристик непараметрической классификации и функций регрессии.
Решите проблемы статистического моделирования с активным сбором данных.
