伯恩哈德苏姆,马努工
Statistics and Machine Learning Toolbox™提供访问、预处理和可视化数据的工具;提取功能;培训和优化模型;以及为部署准备模型。
典型的工作流程开始访问,清洗,并准备预处理数据提取功能。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,执行速度更快
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发现模式和选择特征的工具,使用应用程序训练分类或回归模型,并部署到企业和嵌入式系统。在本例中,回归模型使用多个数据源(包括带有时间戳的历史电力负荷数据和天气数据)预测未来电网负荷。您可以从描述性统计和可视化开始探索,包括比较均值和方差的箱形图,揭示集群和结构的树状图。
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。
您可以使用新数据增量地更新线性模型,也可以在不重新生成预测代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,包括假设检验、方差分析和工业统计。要开始使用,请参考产品页面上的示例信息,或者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。