统计和机器学习工具箱™提供了描述、分析和模型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、将概率分布拟合到数据上、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你从数据中得出推论并构建预测模型，或者是交互式地使用classification and Regression Learner应用程序，或者是程序化地使用AutoML。

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，让您识别具有最佳预测能力的变量。

工具箱提供有监督、半监督和无监督机器学习算法，包括支持向量机(svm)、增强决策树、金宝appk-means等聚类方法。您可以应用可解释性技术，如部分依赖图和LIME，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大到无法存储在内存中的数据集。