开始吧统计和机器学习工具箱

统计和机器学习工具箱™提供描述，分析和模型数据的功能和应用。您可以使用描述性统计，可视化和群集进行探索数据分析，适用于数据的概率分布，为Monte Carlo模拟生成随机数，并执行假设测试。回归和分类算法允许您使用AutomL使用分类和回归学习者应用程序的数据和建立预测模型的推论，并使用Automal使用Automl。

对于多维数据分析和特征提取，工具箱提供主成分分析（PCA），正常化，维数减少和特征选择方法，可让您识别具有最佳预测功率的变量。

工具箱提供监督，半监督和无监督的机器学习算法，包括支持向量机（SVM），提升决策树，金宝appK.- eans和其他聚类方法。您可以应用偏依赖性地块和石灰等解释性技术，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的数据集，该算法太大，无法存储在内存中。

教程

• Matlab机器学习
  

  发现Matlab的机器学习功能^®用于分类，回归，聚类和深度学习，包括自动模型培训和代码生成的应用程序。

• 在分类学习者应用中列车分类模型
  

  用于培训，比较和改进分类模型的工作流程，包括自动化，手动和并行培训。

• 回归学习者应用中的列回归模型
  

  用于培训，比较和改进回归模型的工作流程，包括自动化，手动和并行培训。

• 分布图
  

  用指定分布在视觉比较样本数据的经验分布。

• 探索随机数生成UI
  

  从指定概率分布生成随机样本，并显示显示样本作为直方图。

• 监督学习工作流程和算法
  

  了解监督学习的步骤和非参数分类和回归函数的特征。

• 实验设计
  

  解决活动数据收集的统计建模问题。