统计和机器学习工具箱™ 提供用于描述、分析和建模数据的功能和应用程序。您可以使用描述性统计、可视化和聚类进行探索性数据分析，将概率分布与数据相匹配，为蒙特卡罗模拟生成随机数，并执行假设测试。回归和分类算法允许您从数据中得出推论，并使用“分类和回归学习器”应用程序以交互方式或使用AutoML以编程方式构建预测模型。

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。

工具箱提供有监督、半监督和无监督机器学习算法，包括支持向量机（SVM）、增强决策树、，万博1manbetxK-方法和其他群集方法。您可以应用可解释性技术，如部分依赖图和LIME，并自动生成嵌入式部署的C/C++代码。许多工具箱算法可用于太大而无法存储在内存中的数据集。