统计和机器学习工具箱
对机器学习的统计技术进行了模型分析
统计和机器学习工具箱™offre funzioni e应用每一个描述,分析和模型lazione的数据。根据对数据的分析,可以用统计数据来描述,并拟合数据的分布probabilità,对数据的拟合,可以用蒙特卡罗方法来进行一般性的检验。回归分类的算法和模型预测的方法是一致的。
每l 'analisi一些multidimensionali达蒂、统计和机器学习工具箱fornisce metodi di selezione delle特性,di regressione graduale, di analisi一些componenti principali (PCA), e di regolarizzazione altri metodi di riduzione德拉dimensionalita格瓦拉permettono di identificare le variabili格瓦拉influenzano il modello o特性。
IL Toolbox Fornisce Algoritmi Per IL机器学习Con E Senza Submisione,Compersi支持向量机(SVM),Alberi 金宝appDecisionali Con提升E Bagging,K最近邻居,K-Meance,K-METOIDS,集群Gerarchico,Modelli Ditipo hidden markov。èChoribileUtilizzare Molte Delle Statistiche e Degli Algoritmi DI机器学习Per eSebuire Calcoli Sui设置了Di Dati Tropogo Grandi Memoria ins Essere Archiviati。
Inizia奥拉:
Visualizzioni.
esplora visivamente i dati con grafici diprobabilità,grafici a scatola,iStogrammi,Grafici Smianile-staneile e Grafici Avanzati每L'Analisi Multivariata,我来我是Dendrogrammi,我是Biplot e Grafici di Andrews。
Statistica descrittiva
Compectie e DescrifiQuantiTàdidialipotentialmente Grandi在Modo Rapido Attraverso Alcuni Numeri Altamene Idiftativi。
聚类分析
Scopri i pattern raggruppando i dati con k-means,k-medoids,dbscan,Il集群gerarchico,modelli di misture gaussiane e di tipo hidden markov。
Estrazione di特性
Estrai Le Featuring Dai Dati Usando Tecniche Di Apprendovimendo非监督Gucometato Il Filtraggio Sparso E L'ICA Di Ricostruzione。Puoi Anche Urcerizzare Tecniche Persrarre专用达Immagini,Segnali,Testo E Dati Numerici。
Selezione delle特性
个体的自动机通常具有预测数据模型的可能性。我的特征是逐步回归,连续回归特征,集合的特征。
这篇文章的特点是dimensionalità
Riduci la dimensionalità trasformando le feature esistenti (non categoriche) in nuove variabili esplicative (predittori) in cui è might eliminare le feature meno描述性。我可以对PCA的特征进行变换,并对非负矩阵进行分析。
Addestrare,Converativare e Affinare I Modelli Preativi
面对各种算法的机器学习,seleziona le特性,regola gli iperperparametri e valuta le prestazioni预装。
分类齐
Modella Una Variabile di Risoposta Categorica在Funzione di Uno OPiùPigitori。USA UNAVARIETàDI Algoritmi di Classificaione Parametrici E非Parametrici,Tra Cui La Regressione Logistica,Le Svm,Gli Alberi Decisionali Con推动E Bagging,Naïve贝叶斯,L'Analisi iscisiante e K-Colleginante E K-Collest邻居。
Ottimizzazione Automatica dei Modelli
Auventa Le Prestazioni dei Modelli Affinando自动名称Gli Iperparametri,Selezionando Le Feature eTclectAndoti degli Squilibri Dei Set Di Dati Con Le Matrici Dei Costi。
回归线性是非线性
Modella IL Comportamento Di Sistemi Complessi ConPićPigitoriO VariaBili di Risposta Scegliendo Tra Svariati Algoritmi di Regressione Lineare E非线性。Esegui IL拟合DI Modelli Multivello O Gerarchici,Lineari,非Lineari E LineAri Generalizati A Effetti Mistizi anfetti yancificati E / O Incociati,Peroceere Ad Analisi Longitudinali O Di Tipo Panel,一种Misurazioni yipetute e Alla Modellazione Della Crescita。
Regressione非parametrica
属不拟合准确的senza特定的一个描述松弛的模型可以预测risposta,压缩支持向量机,随机森林,高斯过程和高斯核。
Analisi di Varianza(Anova)
不同品种的高粱品种间的差异比较明显。美国的方差分析是通过,一个适当的竞争,più的竞争,多变量的非参数的,所有的方差分析和所有的方差分析都是成熟的。
distribuzioni diprobabilità.
Esegui IL拟合di distribuzioni继续e离散,utilizzaGrafici Statistici.per valutare labontàdelittite e calcola le funzioni didensitàdiprobabilitàelefunzioni di distruzione cumulativaPiù di 40 distribuzioni多样化。
generazione di numeri careagei
Genera Sequenze di numeri伪伤亡e准carugini da distributzioni diprobabilitàsottoposte拟合o costruite。
测试di ipotesi.
Esegui检验T,分布检验(chi-quadrato, Jarque-Bera, Lilliefors e Kolmogorov-Smirnov)它的自相关性为casualità,可能与分布相冲突(Kolmogorov-Smirnov a due campioni)。
Progettazione di esperimenti(母鹿)
明确、可视化分析和个性化的实验。在一般的信息中,这些实际应用的品种与其他品种的品种是串连在一起的。
统计控制程序(SPC)
Moniteda E Migliora Prodotti O Processi Valutando LaVariabilitàdel Processo。Crea Grafici di Controllo,Stima laFunzionionitàdelprocesso ed esegui studi diripetibilitàeriproducibilità。
阿丽莎迪affidabilità e sopravvivenza
这些数据的相对分析,包括数据的比例和分布的回归。累积分布的函数值,数值和数值,还有时间函数值densità。
analizzare i大数据con i高阵列
根据分类的算法,利用高数组和表格,回归聚类每个地址的模型,并根据修改的编码的记忆来确定。
Calcolo Passpleto.
Accelera i Calcoli Statistici E L'Addestramento Dei Modelli Con Spartsizzione。
云E分布式计算
美国Le Istanze云每次加速器I Calcoli Statistici E DI机器学习。Matlab Online™在Matlab Online™中的eSegui IL Fluso Di Lavoro Complifo DI机器学习。
Generazione di Codice.
Genera Codice C O C ++ Leggibile E Portabile Per L'Infrenza di Algoritmi di Classificaione e Regertione,Statistiche Desiritive E Distributzioni diprobabilitàconmatlab编码器TM值。Accelera IL Processo Di Verifica E Convalida Delle Tue Simulazioni Ad AltaFedeltàConModelli DI机器学习Usando I Blocchi Matlab功能E Matlab系统。
整合应用于企业
diriticuisci modelli statistici e di machine学习得到alplicalazioni独立,di tipo mapreduce e spark™,应用程序web e microsoft®excel.®CON MATLAB COMPILER™。costruisci librerie confives c / c ++,装配微软.Net,classi java®e pacchetti python.®CON MATLAB编译器SDK™。
Aggiornamento dei Modelli Distriputi
Aggiorna i Parametri Dei Modelli Distripti Senza Dover Rigenerare Codice Di Previsione C / C ++。
App Di Apprendimimento自动化
Ottimizzazione degli Iperperperametri在分类学习者中,e Restionion Learner e Demenizione dei Costi Di Errata Classificaione在分类学习者
Generazione di Codice.
aggiiderto di albero decisionale odi un modello lineare distributo senza rigenerare code e generazione di codice C/ c++ per funzioni di distribuzione della probabilità (richiede MATLAB Coder)
Generazione di Codice.
Generazione di Codice C / C ++在Virgola Fissa每La Previsione DI UN Modello SVM(Richiede Matlab编码器E固定点设计师)
集群spettrale
Esecuzione del Clustering Spettrale Utilizzandospectralcluster
Classificazione dellefunzionità.
Classificazione dellefunzionalàomerichee comporiche in基地alla rispettiva importanza uterizzando联合国Algoritmo di minima Ridondanza e Massima Rilevanza(MRMR)E Classificaione DelleFunzionsà每L'Apprenimendo Senza Submisione Utilizando I Punteggi Laplaciani
Guarda勒注意di rilascio根据其他的信息,你可以找到相关的资料。
机器学习ondramp.
在机器学习的每一个分类问题中,我们都提出了一个新的方法。