MATLAB用于机器学习

火车模型,调整参数和部署到生产或边缘

使用matlab.®,工程师和其他域专家部署了数千台机器学习应用。MATLAB使机器学习的硬部件轻松:

  • 点击应用程序用于培训和比较模型
  • 高级信号处理和特征提取技术
  • 自动机器学习(Automl)包括功能选择,型号选择和封锁
  • 能够使用相同的代码来扩展到大数据和集群的处理
  • 自动生成嵌入式和高性能应用程序的C / C ++代码
  • 与Simulink集成作为本机或M金宝appATLAB函数块,用于嵌入式部署或仿真
  • 所有流行的分类,回归和聚类算法的监督和非监督学习
  • 比大多数统计和机器学习计算的开源更快的执行

了解其他人如何使用MATLAB进行机器学习

面板的导航

汽车

宝马

用机器学习检测过度转向

面板的导航

公用事业和能源

贝克休斯

使用数据分析和机器学习的天然气和石油提取设备的预测性维护

面板的导航

神经科学

Battelle.

神经旁路技术将运动恢复到瘫痪的男人的手臂和手

互动应用和算法

从各种最流行的分类,聚类和回归算法中选择。使用分类和回归应用程序以交互式列车,比较,调整和导出和导出模型,以获得进一步的分析,集成和部署。如果编写代码是您的风格,可以进一步优化具有功能选择和参数调整的模型。克服了机器学习的黑匣子性质,应用了既定依赖图和石灰等建立的解释性方法。

自动机器学习

从训练数据中自动生成特征,并使用超参数优化技术(如贝叶斯优化)优化模型。使用专门的特征提取技术,如对信号或图像数据的小波散射,和特征选择技术,如邻域成分分析(NCA)或顺序特征选择。

代码生成和Simulink集成金宝app

将统计信息和计算机学习模型部署到嵌入式系统,并为整个机器学习算法生成可读的C或C ++代码,包括预先处理步骤。通过Matlab功能块和Simulink中的本机块使用机器学习模型加速验证和验证您的高保真仿真。金宝app

缩放和性能

使用高阵列列车机器学习模型到数据集太大而无法适合内存,对您的代码进行最小更改。您还可以在桌面上,在群集中或云上加快统计计算和模型培训。

相关的话题

面板的导航

深度学习

设计、构建和可视化卷积神经网络。

面板的导航

数据科学

开发数据驱动的洞察力,导致改进的设计和决策。

面板的导航

预见性维护

开发和部署条件监控和预测维护软件。

快速开始

机器学习斜坡弯道

交互式介绍用于分类问题的实际机器学习方法。

探索入门资源

观看演示,探索交互式示例,并访问免费教程。

免费试用

30天的探索触手可及。

探索统计学和机器学习工具箱