Начало работы с Statistics and Machine Learning Toolbox

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.

Примеры

• Машинное обучение в MATLAB
  

  Узнайте возможности машинного обучения в MATLAB^® для классификации, регрессии, кластеризации и глубокого обучения, включая приложения для автоматизированного обучения модели и генерации кода.

• Обучите модели классификации в приложении Classification Learner
  

  Рабочий процесс для обучения, выдерживая сравнение и улучшая модели классификации, включая автоматизированное, ручное, и параллельное обучение.

• Обучите модели регрессии в приложении Regression Learner
  

  Рабочий процесс для обучения, выдерживая сравнение и улучшая модели регрессии, включая автоматизированное, ручное, и параллельное обучение.

• Диаграммы
  

  Сравните распределения данных с помощью медианы, межквартильного размаха и процентилей.

• Графики распределения
  

  Визуально сравните эмпирическое распределение выборочных данных с заданным распределением.

• Исследуйте генерацию случайных чисел пользовательский интерфейс
  

  Сгенерируйте случайные выборки от заданных вероятностных распределений, и отображения отображают выборки как гистограммы.

• Контролируемое изучение рабочего процесса и алгоритмов
  

  Изучите шаги для контролируемого изучения и характеристик непараметрической классификации и функций регрессии.

• Проект экспериментов
  

  Решите проблемы статистического моделирования с активным сбором данных.