MATLAB用于机器学习

火车模型,调整参数和部署到生产或边缘

使用matlab.®,工程师和其他域专家部署了数千台机器学习应用。MATLAB使机器学习的硬部件轻松:

  • 点击应用程序用于培训和比较模型
  • 高级信号处理和特征提取技术
  • 自动机器学习(Automl)包括功能选择,型号选择和封锁
  • 能够使用相同的代码来扩展到大数据和集群的处理
  • 自动生成嵌入式和高性能应用程序的C / C ++代码
  • 与Simulink作为本机或MAT金宝appLAB功能块的集成,用于嵌入式部署或模拟
  • 所有流行的分类,回归和集群算法,用于监督和无人监督的学习
  • 比大多数统计和机器学习计算的开源更快的执行

了解其他人如何使用MATLAB进行机器学习

面板导航

汽车

PathPartner.

PathPartner为基于雷达的汽车应用程序开发机器学习算法

面板导航

能源生产和IA&M

RWE RENEWABLE,HYCRO QUEBEC,IMCORP

用机器学习和人工智能,公用事业资产条件监测和预测维护

面板导航

医疗设备和CES

Kinesis Health Technologies

评估具有惯性传感器和机器学习的老年人跌落的风险

互动应用和算法

从各种各样流行的分类,聚类和回归算法中选择 - 现在也“浅”神经网(最多三层)旁边旁边的其他机器学习模型。使用分类和回归应用程序以交互式列车,比较,调整和导出和导出模型,以获得进一步的分析,集成和部署。如果编写代码是您的风格,可以进一步优化具有功能选择和参数调整的模型。

模型解释性

克服了机器学习的黑匣子性质,通过应用局部依赖性地块,石灰,福利值和广义添加剂模型(Gam)等局部依赖性地块,诸如局部依赖性地图,石灰。验证模型正在使用正确的证据,以获得其预测,并找到培训期间不明显的模型偏差。

自动化机器学习(Automl)

自动生成培训数据的功能,并使用超参数调谐技术优化模型,如贝叶斯优化。使用特殊的特征提取技术,例如信号或图像数据的小波散射,以及特征选择技术,如邻域分量分析(NCA),最小冗余最大相关性(MRMR)或顺序特征选择。

代码生成和Simulink集成金宝app

将统计信息和计算机学习模型部署到嵌入式系统,并为整个机器学习算法生成可读的C或C ++代码,包括预先处理步骤。通过Matlab功能块和Simulink中的本机块使用机器学习模型加速验证和验证您的高保真仿真。金宝app

缩放和性能

使用高阵列列车机器学习模型到数据集太大而无法适合内存,对您的代码进行最小更改。您还可以在桌面上,在群集中或云上加快统计计算和模型培训。

相关话题

面板导航

深度学习

设计,构建和可视化卷积神经网络。

面板导航

数据科学

开发数据驱动的洞察力,导致改进的设计和决策。

面板导航

预测维护

开发和部署条件监控和预测维护软件。

快速开始

机器学习ondramp.

实用机器学习方法的互动介绍。

探索入门资源

观看演示,探索互动示例,并访问免费教程。

获得免费试用

在你的指尖探索30天。

探索统计和机器学习工具箱