Statistics and Machine Learning Toolbox™ предоставляет функции и приложения для описания, анализа и моделирования данных. Можно использовать описательную статистику, визуализацию, и кластеризирующийся для исследовательского анализа данных, строить распределения вероятности к данным, сгенерировать случайные числа для симуляций Монте-Карло и выполнить тесты гипотезы. Алгоритмы регрессии и классификации позволяют вам чертить выводы из данных и создать прогнозные модели или в интерактивном режиме, с помощью Классификации и приложений Regression Learner, или программно, с помощью AutoML.
Для анализа многомерных данных и извлечения признаков, тулбокс обеспечивает анализ главных компонентов (PCA), регуляризацию, сокращение размерности и методы выбора признаков, которые позволяют вам идентифицировать переменные с лучшей предсказательной силой.
Тулбокс обеспечивает контролируемый, полуалгоритмы машинного обучения с учителем и без учителя, включая машины опорных векторов (SVMs), повышенные деревья решений, k - средние значения и другие методы кластеризации. Можно применить interpretability методы, такие как частичные графики зависимости и LIME, и автоматически сгенерировать код C/C++ для встроенного развертывания. Много алгоритмов тулбокса могут использоваться 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.
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.
