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 предикторы 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 ordinal типы данных не рекомендуются. Чтобы работать с номинальными или порядковыми категориальными данными, используйте categorical тип данных вместо этого.
Можно использовать целые числа со знаком или беззнаковое целое, e.g., 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 NaN значения к целому числу со знаком или беззнаковому целому, затем программное обеспечение преобразует NaN элементы к 0.
Некоторые функции поддерживают табличные массивы для гетерогенных данных (для получения дополнительной информации см. Таблицы). table тип данных 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 dataset тип данных не рекомендуется. Чтобы работать с гетерогенными данными, используйте table тип данных, если функция оценки поддерживает его.
Функции, которые не поддерживают table выборочные данные поддержки типов данных типа single или double, e.g., матрицы.
Некоторые функции принимают gpuArray Входные параметры (Parallel Computing Toolbox) так, чтобы они выполнились на графическом процессоре. Для полного списка функций Statistics and Machine Learning Toolbox, которые принимают массивы графического процессора, см. Функциональный Список (Массивы графического процессора).
Некоторые функции принимают tall входные параметры массивов, чтобы работать с большими наборами данных. Для полного списка функций Statistics and Machine Learning Toolbox, которые принимают длинные массивы, см. Функциональный Список (Длинные массивы).
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, e.g., 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.