Statistics and Machine Learning Toolbox™提供了描述、分析和建模数据的功能和应用程序。您可以使用描述性统计、可视化和聚类来进行探索性数据分析，拟合数据的概率分布，为蒙特卡罗模拟生成随机数，并执行假设检验。回归和分类算法可以让您从数据中推断并构建预测模型，可以使用classification和Regression Learner应用程序进行交互，也可以使用AutoML进行编程。

对于多维数据分析和特征提取，工具箱提供了主成分分析(PCA)、正则化、降维和特征选择方法，使您能够识别具有最佳预测能力的变量。

工具箱提供有监督、半监督和无监督的机器学习算法，包括支持向量机(svm)、增强决策树、金宝appk-means和其他聚类方法。您可以应用部分依赖图和LIME等可解释性技术，并自动生成用于嵌入式部署的C/ c++代码。许多工具箱算法可以用于太大而无法存储在内存中的数据集。