Statistics and Machine Learning Toolbox™ предоставляет функции и приложения для описания, анализа и данных моделей. Можно использовать описательную статистику, визуализацию и кластеризацию для исследовательского анализа данных, подгонять распределения вероятностей к данным, генерировать случайные числа для симуляций Монте-Карло и выполнять проверку гипотез. Алгоритмы регрессии и классификации позволяют делать выводы из данных и создавать прогнозирующие модели или в интерактивном режиме, используя приложения Classification и Regression Learner, или программно, используя AutoML.

Для многомерного анализа данных и редукции данных, тулбокс обеспечивает основной анализ компонентов (PCA), регуляризацию, уменьшение размерности и методы выбора признаков, которые позволяют идентифицировать переменные с лучшей прогностической степенью.

Тулбокс предоставляет контролируемые, полуалгоритмы машинного обучения с учителем и без учителя, включая машины опорных векторов (SVM), усиленные деревья решений, k-методы и другие методы кластеризации. Можно применить методы интерпретации, такие как графики частичной зависимости и LIME, и автоматически сгенерировать код C/C + + для встроенного развертывания. Многие алгоритмы тулбокса могут использоваться на наборах данных, которые являются слишком большими, чтобы храниться в памяти.