机器学习用MATLAB

培训模型、调整参数,并将其部署到生产环境或边缘环境

使用MATLAB®在美国,工程师和其他领域专家已经部署了数千种机器学习应用程序。MATLAB让机器学习的难点变得简单:

  • 单击应用培训和比较模型
  • 先进的信号处理特征提取技术
  • 自动调整超参数特征选择优化模型性能
  • 能够使用相同的代码大规模处理大数据和集群
  • C/ c++代码的自动生成用于嵌入式和高性能应用
  • 受欢迎的分类、回归和聚类算法用于监督和非监督学习
  • 更快的执行在大多数统计和机器学习计算上都比开源软件要重要

了解其他人如何使用MATLAB进行机器学习

面板导航

汽车

宝马

检测过度转向与机器学习

面板导航

公用事业和能源

贝克休斯

使用数据分析和机器学习对天然气和石油开采设备进行预测维护

面板导航

神经科学

伯特立

神经旁路技术可以恢复瘫痪病人手臂和手的运动

交互式应用程序和算法

选择从各种各样的最流行的分类,聚类和回归算法。使用分类和回归的应用程序交互的火车,比较,调整和出口车型进行进一步的分析,集成和部署。如果编写代码是你的风格,你可以进一步优化模型特征选择和参数调整。

自动机器学习(AutoML)

从训练数据自动生成特性,并使用贝叶斯优化等超参数优化技术优化模型。对信号或图像数据使用专门的特征提取技术(如小波散射)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

通过为整个机器学习算法(包括预处理和后处理)生成可读的C或c++代码,将统计数据和机器学习模型部署到嵌入式系统。在不重新生成C/ c++预测代码的情况下更新已部署模型的参数。通过MATLAB函数块和Simulink中的系统块,加速使用机器学习模型进行高保真仿真的验证和验证金宝app®

扩展和性能

用高大的阵列训练数据集过大,以适应机内存的机器学习模型,以最小的改动你的代码。您也可以加快统计计算和模型训练与并行计算您的桌面上,在集群上,还是在云中。

相关话题

面板导航

深度学习

设计,构建和可视化卷积神经网络。

面板导航

数据科学

开发数据驱动的洞察力,从而改进设计和决策。

面板导航

预测性维护

开发和部署状态监测和预测维护软件。

开始快

机器学习斜坡弯道

互动介绍实用机器学习方法的分类问题。

探索启动资源

观看演示,探索交互式示例,并访问免费教程。

获得免费试用

30天唾手可得的探索。

探索统计和机器学习工具箱