伯恩哈德苏姆,马努工
统计和机器学习工具箱™提供用于访问,预处理和可视化数据的工具;提取特征;培训和优化模型;并准备部署模型。
典型的工作流程从访问,清洁和预处理数据开始准备提取功能。工具箱支持所有广泛使用的金宝app分类,回归和聚类算法,它使模型建筑的具有挑战性的部分更容易:
•点击应用程序用于培训和比较模型
•自动高参考调谐和专用选择,以优化模型性能
•使用相同的代码将处理缩放到大数据和集群
•与流行的开源工具相比快速执行
使用MATLAB编码器™,您可以从机器学习模型自动生成C / C ++代码,以用于嵌入式和高性能应用。
统计和机器学习工具箱提供了用于使用应用程序发现模式和选择功能,培训分类或回归模型的工具,并将其部署到企业和嵌入式系统。在该示例中,回归模型使用包括时间戳的历史电荷数据和天气数据的多个数据来源,预测电网中的未来负载。您可以开始使用描述性统计和可视化探索,包括框图,以比较手段和差异,树木图来显示聚类和结构。
在预处理数据在MATLAB中进行预处理后,您可以根据预测器和响应之间的高相关来识别要选择的变量。具有主成分分析识别转换的功能,该功能占大多数数据变异性或使用自动特征选择方法。
使用分类和回归学习者应用程序,您可以交互地构建包括最近邻居,决策树和浅神经网络的预测分类或回归模型。优化HyperParameters,将结果与多个模型的结果与单独的测试数据进行比较,以及使用混淆矩阵或ROC曲线可视化性能。许多工具箱算法与内存up,而无需任何代码更改。一旦您在机器学习模型上定居,您可以使用Matlab编译器将该模型部署到IT系统或生成可在具有MATLAB编码器的嵌入式设备上使用的独立C代码。
您可以使用新数据逐步更新线性模型,并在不重新生成预测码的情况下更新嵌入式模型。统计和机器学习工具箱提供各种统计功能,包括假设测试,ANOVA和工业统计数据。要开始参考示例,产品页面上的信息,或下载下面的免费试用版。
特色产品
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。