统计和机器学习工具箱™提供功能和应用程序来描述、分析和建模数据。您可以使用描述性统计、可视化和聚类来进行探索性数据分析，将概率分布拟合到数据上，为蒙特卡洛模拟生成随机数，并执行假设检验。回归和分类算法允许您从数据中进行推断并构建预测模型，可以是交互地使用分类和回归学习应用程序，也可以是编程地使用AutoML。

对于多维数据分析和特征提取，工具箱提供了主成分分析(PCA)、正则化、降维和特征选择方法，使您能够识别具有最佳预测能力的变量。

该工具箱提供监督、半监督和无监督机器学习算法，包括支持向量机(SVMs)、增强决策树、金宝appk-means和其他聚类方法。您可以应用可解释性技术，如部分依赖图和LIME，并为嵌入式部署自动生成C/ c++代码。许多工具箱算法可以用于太大而无法存储在内存中的数据集。