开始使用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。
教程
- 机器学习在MATLAB
发现在MATLAB的机器学习能力®分类、回归、聚类和深度学习,包括应用自动化模型训练和代码生成。
- 训练分类模型的分类学习者应用
工作流程培训、比较和提高分类模型,包括自动、手动和并行训练。
- 火车在回归学习者应用回归模型
工作流程培训、比较和改进回归模型,包括自动、手动和并行训练。
- 分布的情节
视觉上比较样本的经验分布数据与指定的分布。
- 探索随机数生成UI
从指定的概率分布生成随机抽样,并显示样品显示为直方图。
- 监督学习工作流程和算法
理解监督学习的步骤和非参数分类和回归函数的特点。
- 实验设计
地址活跃数据收集统计建模问题。