用于数据科学的MATLAB

探索数据;建立机器学习模型;
做预测分析

MATLAB®通过工具访问和预处理数据,构建机器学习和预测模型,并将模型部署到企业IT系统,使数据科学变得容易。

  • 访问存储的数据平面文件、数据库、数据历史学家和云存储,或连接到现场来源,如数据采集硬件财务数据提要
  • 管理和清理数据使用数据类型和预处理能力用于程序和交互数据准备,包括基础标签的应用程序
  • 文档数据分析MATLAB的图形住编辑器笔记本环境
  • 应用特定领域的工程特性用于传感器、文本、图像、视频和其他类型数据的技术
  • 探索使用的各种建模方法机器学习和深度学习应用程序
  • 微调机器学习和深度学习模式自动功能选择,型号选择和封闭式调谐算法
  • 部署机器学习模型生产IT系统,而不用重新编码成另一种语言
  • 自动转换机器学习模型为独立的C / c++代码

为什么在数据科学中使用MATLAB ?

探索性数据分析

减少数据预处理的时间.从时间序列传感器数据到图像到文本,MATLAB数据类型显著减少了数据预处理所需的时间。高级函数可以方便地同步不同的时间序列,用插值值替换异常值,过滤噪声信号,将原始文本分割成文字,等等。快速可视化您的数据,以了解趋势,并确定数据质量问题与图和实时编辑器。


探索产品下载188bet金宝搏

应用机器学习

找到最好的机器学习模型.无论你是一个寻求机器学习帮助的初学者,还是一个寻求快速评估许多不同类型模型的专家,分类和回归应用程序都能提供快速的结果。从各种最流行的分类和回归算法中进行选择,基于标准度量比较模型,并导出有前景的模型以进行进一步的分析和集成。如果编写代码更符合您的风格,您可以使用模型训练函数中内置的超参数优化,这样您就可以快速找到最佳参数来调优模型。


多平台部署

在任何地方部署机器学习模型包括C/ c++代码,CUDA®代码,企业IT系统,或者云。当性能很重要时,您可以从MATLAB代码生成独立的C代码,以创建具有高性能预测速度和较小内存占用的可部署模型。您还可以导出在Simulink中使用的机器学习模型金宝app®或将模型部署到Matlab Products Server™,用于与Web,数据库和企业应用程序集成。


获得免费试用

在你的指尖探索30天。