统计和机器学习工具箱™提供的功能和应用程序来描述，分析和模型数据。您可以使用描述性统计，可视化和集群化的探索性数据分析，拟合概率分布数据，生成Monte Carlo模拟随机数，并进行假设检验。回归和分类算法让你从数据中得出的推论，并建立预测模型以交互方式，采用分类与回归学习应用程序，或以编程方式，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），正规化，降维和特征选择的方法，让你找出最好的预测能力的变量。

工具箱提供监督，半监督和无监督机器学习算法，包括支持向量机（SVM），升压决策树，金宝appķ-means，以及其他聚类方法。可以应用解释性的技术如部分依赖图和石灰，并自动生成C / C ++嵌入式部署代码。许多工具箱算法可以对数据集是太大而无法存储在内存中。