MATLAB机器学习
训练模型,调整参数,并将其部署到生产或边缘
使用MATLAB®,工程师和其他领域的专家已经部署了数以千计的机器学习应用。MATLAB使得机器学习容易的困难的部分:
- 点和点击应用程序的培训和比较楷模
- 高级信号处理和特征提取技术
- 自动hyperparameter调优和特征选择要优化模型的性能
- 使用相同的代码的能力大规模处理大数据和集群
- 自动生成的C / C ++代码用于嵌入式和高性能应用程序
- 流行分类,回归和聚类算法为监督和无监督学习
- 更快的执行比大多数统计和机器学习计算开源
参考他人如何使用MATLAB机器学习
汽车
宝马
利用机器学习检测过度转向
公用事业和能源
贝克休斯
预测性维护的天然气和采油设备使用数据分析和机器学习
神经科学
巴特尔
神经旁路技术还原运动的瘫痪病人的手臂和手
交互式应用程序和算法
从各种最流行的分类、聚类和回归算法中选择。使用分类和回归应用程序交互式地培训、比较、调整和导出模型,以进行进一步的分析、集成和部署。如果编写代码更符合您的风格,那么您可以通过特性选择和参数调优进一步优化模型。
- 学到更多
- 探索机器学习的例子,文章和教程
自动化机器学习(AutoML)
自动生成的训练数据和优化模型中使用超参数优化技术,如贝叶斯优化功能。使用专门的特征提取技术如小波散射信号或图像数据,和特征选择技术,如邻域成分分析(NCA)或顺序特征选择。
学到更多
代码生成
部署统计和机器学习模型的嵌入式系统通过产生可读C或C ++代码为整个机器学习算法,包括预处理和后处理。部署模型的更新参数,而无需重新生成C / C ++代码预测。通过加快在Simulink MATLAB功能块和系统块使用机器学习模型的高保真模拟验证和确认金宝app®。
学到更多
缩放和性能
使用高数组在大到无法装入机器内存的数据集上训练机器学习模型,对代码的修改很少。您还可以使用桌面、集群或云上的并行计算来加速统计计算和模型培训。
学到更多
获取免费试用
30天的探索在你的指尖。