统计和机器学习工具箱
基于统计和机器学习的数据分析和建模
模具统计与机器学习工具箱™ 在Funktionen和Apps中,分析和建模von Daten。Für die探索性数据分析stehen deskriptive Statistiken,可视化和聚类。Wahrscheinlichkeitsverteilungen können和angepasst的数据,Zufallszahlen für Monte Carlo模拟和假设测试。回归——以及能够对数据进行干预和对Vorhersagemodellen进行分析的决策者。您可以在分类和回归学习者应用程序和程序的相互作用下学习mit AutoML课程。
Die Toolbox umfastdie Primärkomponentenanalyse (PCA), Regularisierung, Dimensionalitätsreduktion und Methoden für Die Merkmalsauswahl für mehrdimensionale Datenanalysen und Merkmalsextraktionen, mit denen Variablen wie beste Prognosefähigkeit identifiiert werden können。
Außerdem stehenüberwachte、halbüberwachte和nichtüberwachte机器学习算法、einschließlich支持向量机(SVM)、verstärkte Entscheidun金宝appgsbäume和Ander聚类方法。解释技术包括图形和莱姆können angewendet werden和C/C++代码自动生成的集成。Viele工具箱算法können auf Datensätze angewendet werden,die für den Speicher zu umfangreich sind。
现在beginnen:
Visualisierungen
Visuelle Untersuchung von Daten mit wahrscheinlichdiagrammen, Boxplot-Diagrammen, Histogrammen and Quantil-Quantil-Diagrammen sowie erweiterten Diagrammen für die multivariate analysis wie Dendrogrammen, Biplot- andandrews -Diagrammen。
Deskriptive Statistik
大家都很喜欢我们的网站Datensätze,希望大家能理解和理解我们的网站。
Clusteranalyse
Erkennen Sie die durch Gruppierung der Daten - mittelwerten, k-Medoiden, DBSCAN, hierarchischem and spektralem Clustering sowie ga ßschen mischverilungs - und Hidden-Markov-Modellen。
Merkmalsextraktion
Merkmalsextraktion aus Daten mithilfe nicht überwachter lertechniken wie Grobfilterung and Rekonstruktions-ICA。vervwendung spezialisierter Verfahren zur extration von Merkmalen aus Bildern, Signalen, Text and numerischen Daten。
Merkmalsauswahl
这是我的手机,最好是Prognosefähigkeit我的手机,这是我的自动识别系统。我们的方法是Merkmalsauswahl umfassen schrittweise Regression, sequentielle Merkmalsauswahl, Regularisierung and Ensemble-Methoden。
Merkmalsumwandlung和Dimensionalitatsreduktion
Reduzieren Sie die Dimensionalität durch die Umwandlung der vorhandenen (nicht kategorischen) Merkmale in neue Prädiktorvariablen, wobei weniger deskriptive Merkmale ausgelassen werden können。Die Methoden für Die Merkmalsumwandlung umfassen PCA, faktoranalysis und nich -negative Matrix-Faktorisierung。
培训者,学员和学员都有自己的想法
Vergleich von verschiedenen算法的机器学习- einschließlich flacher neuronaler Netze,Merkmalsauswahl,爱因斯坦超参数和评估的Leistung vieler populärer Klassifikations和回归算法。Entwicklung and automatische Optimierung von herhersagemdellen interaktiven Apps and inkrementelle Verbesserung der Modelle stream - daten。Reduzierung des Bedarfs an gelabelten durch die Anwendung des teilüberwachten Lernens。
Interpretierbarkeit des上一次
Verbesserung der Interpretierbarkeit von Black-Box Machine Learning mithilfe von inhärent interpretieraren Modellen wie generatiaddiven Modellen (GAM) oder durch die Anwendung etablierter Interpretierbarkeitsmethoden wie partieller Abhängigkeitsplots, individueller bedingter Erwartungen (ICE),lokal interpretierbarer modelellagnostischer Erklärungen (LIME)和Shapley-Werten。
自动化机器学习(AutoML)
您可以用超参数自动机模型来描述,也可以用普通的、Auswahl von Merkmalen和Modellen sowie、datensatz - ungleichgewitten和Kostenmatrizen来描述。
线性和非线性回归
模型Lverhalten-komplexer系统适用于所有变量,适用于vielen linearen和nichtlinearen回归算法。这是一个层次结构、线性、非线性和平均线性模型,该模型在分析、评估和分析过程中发挥了重要作用。
Nichtparametrische回归
Erzeugen Sie eine genaue anzifizierung eines models, as die Beziehung zwischen Prädiktoren und Reaktion mithilfe von SVMs, Random Forests, flachen neuronalen Netzwerken, gaußschen Prozessen和gaußschen Kernen beschreit。
方差分析(ANOVA)
我们可以在verschiedenen Bevölkerungsgruppen entsteht下更改您的姓名和地址。Einsatz von Einweg-, Zweiweg-, Mehrweg-,多变量和参数方差分析sowie analysis der Kovarianz (ancova)和wiederholte analysis der Varianzmessungen (RANOVA)。
Wahrscheinlichkeitsverteilungen
他是我的父亲,也是我的父亲Statistikblockenzur Evaluierung der Anpassungsgüte, zur Berechnung der Wahrscheinlichkeitsdichtefunktionen und der kumulativen verilungsfunktionen fürmehr是40 verschiedene verilungen.
Erzeugung冯Zufallszahlen
伪命令quasi-zufällige Zahlenströme lassen szegen,这是我们的命令。
Hypothesentests
t-测试,verilungstest (Chiquadrat, Jarque-Bera, Lilliefors和Kolmogorov-Smirnov)和nichtparamtrische测试für einzelne, gepaarte oder selbständige Muster ausführen。您可以在这里填写您的姓名和地址,也可以填写您的姓名和地址。
Versuchsplanung
定义,分析和可视化,我们可以对这些数据进行定义。请您访问我们的网站Pläne您可以访问我们的网站über我可以访问我们的网站können
Statistische Prozess-Kontrolle (SPC)
在项目可变性评估过程中,您需要对项目的生产进行详细说明。你可以从图表中看出,这是一个关于schätzen和Untersuggen zur Wiederholbarkeit和Durchung Durchun先生的项目。
Zuverlassigkeits——和Ereigniszeitanalyse
对秋季数据进行可视化和分析,并对其进行比例风险回归分析。在这方面,我们的经验来自于我们的经验,我们的经验来自于我们的经验。
分析大数据麻省理工学院高阵列
我们的高阵列和回归和聚类算法,嗯,我们的模型是Datensätzen,我们的训练者,我们的代码是在我们的语言中。
云计算和分布式计算
云- instanzen是统计和机器学习的基础。Durchführung des vollständigen machine learning - workflows in MATLAB Online™。
Codegenerierung
Erzeugung portablen and lesbaren Coder c++ Codes für die Klasseneinteilungsfolgerung und Regressionsalgorithmen, deskriptive statisticen and Wahrscheinlichkeitsverteilungen mithilfe von MATLAB Coder™。Erzeugung von C/ c++ prognos - codes mit reduzierter Präzision mit dem Fixed Point Designer™and Aktualisierung der Parameter eingesetzter Modelle ohne ereugung erzegung des prognos - codes。
集成仿真软件金宝app
在Simulink-Modelle中集成机器学习模型für den Einsatz auf金宝app integrerter硬件订单für die系统仿真、验证和验证。
Anwendungen和unternehmensystem的整合
Einsatz von statistischen和机器学习模型™-Anwendungen,als网络应用程序或als微软®擅长®add - in mit MATLAB Compiler™。Entwicklung gemeinsamer C/ c++ Bibliotheken, Microsoft . net - assembly, Java®-克拉森与蟒蛇®-Paketen mit MATLAB Compiler SDK™。