Statistics and Machine Learning Toolbox™ позволяет использовать параллельные вычисления для ускорения некоторых статистических расчетов. В параллельных вычислениях один MATLAB® сеанс клиента распределяет сегменты кода нескольким работникам для независимой обработки, а затем объединяет эти отдельные результаты для завершения расчетов. Используйте параллельные вычисления, чтобы ускорить методы повторной дискретизации, такие как bootstrap и jackknife, увеличение и упаковка деревьев решений, перекрестная валидация, алгоритмы кластеризации и многое другое. Полный список функций Statistics and Machine Learning Toolbox, поддерживающих параллельные вычисления, см. в Списке функций (Автоматическая параллельная поддержка).
Некоторые функции принимают gpuArray (Parallel Computing Toolbox) входные параметры, так что вы можете ускорить код, запустившись на графическом процессоре (GPU). Полный список функций Statistics and Machine Learning Toolbox, принимающих массивы графических процессоров, см. в Списке функций (GPU Arrays).
Для использования функций параллельных вычислений и массивов графических процессоров необходимо иметь лицензию Parallel Computing Toolbox™.
Начало работы с параллельными статистическими вычислениями.
Концепции параллельных вычислений в Statistics and Machine Learning Toolbox
Обзор идей в параллельных статистических расчетах.
Когда запускать статистические функции параллельно
Решение, когда вызывать функции параллельно.
Параллельные вычисления с использованием parfor со статистическими функциями.
Реализуйте Jackknife с помощью параллельных вычислений
Ускорите работу джекнойфа с помощью параллельных вычислений.
Реализуйте перекрестную валидацию с помощью параллельных вычислений
Ускорите перекрестную валидацию с помощью параллельных вычислений.
Реализуйте Bootstrap с использованием параллельных вычислений
Ускорите загрузку с помощью параллельных вычислений.
Воспроизводимость в параллельных статистических расчетах
Как получить одинаковые результаты из повторных параллельных расчетов.