统计和机器学习工具
分析和模型数据使用统计和机器学习
统计和机器学习工具箱™提供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、可视化和聚类的探索性数据分析,数据概率分布,生成随机数的蒙特卡罗模拟,并执行假设测试。回归和分类算法让你从数据得出结论并建立预测模型交互,使用分类和回归学习者应用程序,或者通过编程,使用AutoML。
多维数据分析和特征提取,工具箱提供了主成分分析(PCA),正规化,降维,特征选择方法,让你识别变量与最好的预测能力。
工具箱提供了监督,semi-supervised和无监督的机器学习算法,包括支持向量机(svm),提高了决策树,金宝appk——和其他聚类方法。您可以应用可解释性等技术部分依赖情节和石灰,并自动生成C / c++代码为嵌入式部署。许多工具箱算法可用于数据集太大被存储在内存中。
开始
学习基本的统计和机器学习工具
描述性统计和可视化
数据导入和导出、描述性统计、可视化
概率分布
数据频率模型、随机样本生成参数估计
假设测试
四、野生卡方拟合优度检验等
聚类分析
无监督学习技术来发现自然分组和数据中的模式
方差分析
方差分析和协方差、多元方差分析、重复测量方差分析
回归
线性的,广义线性、非线性和非参数技术监督学习
分类
监督和semi-supervised学习算法的二进制和多类问题
降维特征提取
主成分分析、因子分析、特征选择、特征提取等
工业统计数据
实验设计(DOE);生存和可靠性分析;统计过程控制
大数据分析有着高大的数组
分析内存不足数据
加快统计计算
并行或分布式计算的统计功能
代码生成
生成C / c++代码和墨西哥人函数统计和机器学习的工具箱函数
统计和机器学习的应用程序
统计和机器学习方法应用到特定于行业的工作流程
