开始统计和机器学习工具箱

统计和机器学习工具箱™提供了描述，分析和模型数据的功能和应用程序。您可以使用描述性统计数据，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，生成蒙特卡洛模拟的随机数以及执行假设检验。回归和分类算法可让您从数据中汲取推论，并使用AUTOML使用分类和回归学习者应用程序，或者以编程方式进行交互性构建预测模型。

对于多维数据分析和特征提取，该工具箱提供主组件分析（PCA），正则化，降低性降低和特征选择方法，可让您识别具有最佳预测能力的变量。

该工具箱提供了监督，半监督和无监督的机器学习算法，包括支持向量机（SVM），增强决策树，万博1manbetxk- 均值和其他聚类方法。您可以应用解释性技术，例如部分依赖图和石灰，并自动生成嵌入式部署的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。

教程

• MATLAB的机器学习
  

  在MATLAB中发现机器学习能力^®用于分类，回归，聚类和深度学习，包括用于自动模型培训和代码生成的应用程序。

• 分类学习者应用中的火车分类模型
  

  用于培训，比较和改进分类模型的工作流程，包括自动化，手动和并行培训。

• 回归学习者应用中的火车回归模型
  

  用于培训，比较和改进回归模型的工作流程，包括自动化，手动和并行培训。

• 分销图
  

  在视觉上比较样品数据的经验分布与指定分布。

• 探索随机数生成UI
  

  从指定的概率分布中生成随机样品，并显示样品作为直方图。

• 监督学习工作流程和算法
  

  了解监督学习的步骤以及非参数分类和回归功能的特征。

• 实验的设计
  

  通过主动数据收集解决统计建模问题。