统计和机器学习工具箱
用统计和机器学习的方法分析和建模
DIE统计和机器学习工具箱™EnthältFunktioNenund Apps Zur Beschreibung,分析了Und Modellierung Von Daten。FürIe探索数据纳西纳利斯特斯恩Deserriptive StatiStiken,Visualisierungen und Clustering ZurVerfügung。WahrscheinlichkeitsverteilungenKönnenAntenAngepasst,ZufallszahlenFürMonte-Carlo-Simulationen Erzeugt und HypothesentestsDurchgeführtwerden。回归 - klasseneinteilungsalgorithmeneRmöglichendiefisitung von Interfenenenzen aus den daten und enterellung von vorhersagemodellen。SieKönnennendederinteraktiv Mithilfe der分类und reclession learner应用程序over programmorteuert mit automl onewickelt werden。
Die Toolbox Umfasst DiePrimärkomponentenanalyse(PCA),RencalInitätsreduktionundMethodenFüreMerkmalsauswahlfürMehrdimensionaleDeNanalysenund Merkmalsextraktionen,Mit Denen Variablen Wie DieBeifizierWähigkeitIdentifiziertWerdenKönnen。
AußerdemStehenÜberwachte,艾伯瓦根内·Überwachte机器 - 学习算法,Einschließlich支持向量机(SVM),VerstärkteEntscheidungsbäumeunderd万博1manbetxercelling-dermentenzurverfügung。口译师斯佩森Wie Ein PartiellesAbhängigkeitsdiagrammeundilekönnenangewendetwerden und c / c ++代码KannFürdentontierteneinsatz自动化机会Generiert Werden。Viele Toolbox-AlgorithmenKönnenAufdatensätzeAngewendetWerden,Diefürdenspeicher zu Umfangreich Sind。
现在beginnen:
Visualisierungen
Visuelle Untersuchung von Daten Mit WahrscheinlichkeitsDiagromen,Boxplot-diagrammen,直方图und standil-standil-diagrammen Sowie Erweiteren图表Fürie多变量分析Wie Dendrogrammen,Biplot- und Andrews-diagrammen。
DeskRiptive Statistik.
Datensätze mit wenigen, hoch relevanten Zahlen werden schnell verstanden and beschrieben。
Clusteranalyse
我们可以使用k-Mittelwerten, k-Medoiden, DBSCAN, hierarchischem和spektralem聚类Gaußschen Mischverteilungs- and Hidden-Markov-Modellen。
Merkmalsextraktion
Merkmalsextraktion Aus Daten MithilfeNichtÜberwachterLerntechnikenWie Grobfilterung undlekonstruktions-ica。Verwendung Spezialisierter Verfahren Zur Extraktion von Merkmalen Aus Bildern,Silityen,Text Numerischen Laten。
Merkmalsauswahl.
Die Teilmenge der Merkmale,Die Die BestePrognoseFähigkeitBeider DatenModellierung Liefert,Wird Automatisch Identifiziert。Dieformen Zur Merkmalsauswahl Umfassen Die Schrittweise回归,Sequentielle Merkmalsauswahl,RencalIsierung Unt Ensemble-Dermen。
Merkmalsumwandlung undtimunicalitätsreduktion
Reduzieren SieDiemionitätTurchDie Umwandlung der Vorhandenen(Nicht Kategorischen)Merkmale在NeuePrädiktorvariablen,Wibei Weniger Deskriptive Merkmale Ausgelassen WerdenKönnen。DieformenFürIeMerkmalsumwandlungUmfassen PCA,Faktoranalyse und Nicht-Dieval Matrix-Faktorisierung。
Trainieren,Valesieren und Feinabstimmen von Vorhersagemodellen
Vergleich verschiedener Machine-Learning-Algorithmen,Merkmalsauswahl., Einstellung der Hyperparameter和Evaluierung der Leistung vieler populärer klasseneinteilung - und回归算法。Entwicklung und automatische Optimierung von Vorhersagemodellen mit interaktiven Apps and inkmentelle Verbesserung der Modelle mit Streaming-Daten。
interperetbarkeit des Modells.
黑盒-机器学习模型的解释程序einschließlich partieller Abhängigkeitsdiagramme,个人解释程序(ICE)和模型分析程序(LIME) Erklärungen。
机器学习(Automatisiertes)
Steigern Sie Die Leistung des Modells Mithilfe Automatischer Feinabstimmung der HyperParameter,Merkmalsauswahl und -Modelle Sowie Bearbeitung von Datensatzungleichgewichtentinten Mit Kostenmatizen。
Lineare und Nichtlineare回归
Modellverhalten Komplexer Systeme MitMehrerenPrädiktoren奥塞尔雷克利亚堡,AusgewähltAus Vielen Linearen und Nichtlinearen回归。Passen Sie Mehrstufige Oder Hierarchische,Nichtlineare und VerallgemeineRe Lineare Models Mit Gemischten Effekten Mit VersChachteltelten und / Oter Gekreuzten Zufallseffekten ZurDurchführungVonLängsschnitt-奥雷·奥尔(Wiederholten),Wiederholten Messungen Und Wachstumsmodellierung a。
nichtparametrische回归
Erzeugung Einer Genauen Anpassung Ohne Spezifizierung Eines Modells,DAS Die Beziehung ZwischenPrädiktorenund Reaktion Mit SVMS,随机森林,GaußschenProzessenundGaußschenKernenBeschreibt。
Varianzanalyse(方差分析)
die mustervarianz kann verschiedenen quellen zugeordnet undsiekönnenbestimmen,ob模糊变化innerhalb oder unter verschiedenenbevölkerungsgruppenentsteht。Einsatz von Einweg-,Zweiweg-,Mehrweg-,Multivarianter und Nichtparametrischer Anova Sowie Analyze der Kovarianz(Anocova)und Wiederthte Analyze der Varianzmessungen(Ranova)。
Wahrscheinlichkeitsverteilungen
你的身体健康,你的身体健康,你的身体健康Statistikblöcken你的评估地址是Anpassungsgüte,你的评估地址是把你的考试成绩和考试成绩汇总到fürmehr als 40 verschiedene Verteilungen。
Erzeugung von Zufallszahlen.
假订单quasi-zufällige Zahlenströme我们将会有更多的人知道我们的计划。
Hypothesentests
t检验、Verteilungstest (Chiquadrat, Jarque-Bera, Lilliefors和Kolmogorov-Smirnov)和nichtparameterische检验für einzelne, gepaarte oder selbständige Muster ausführen。请您寄给我Zufälligkeit,然后再寄给我(兹-莫斯哥洛夫-斯米尔诺夫)。
Versuchsplanung
定义,分析和视觉都可以让我们用这个来定义。这是您的考试地址Pläne您在邮局的日期操作地址,我们把您的信息告诉您über我们把您的日期发给您的地址können。
Statistische Prozess-Kontrolle (SPC)
Überwachen我们将在Prozessvariabilität上做评估。您的邮箱是können,地址是Prozesskapazität schätzen,您的邮箱是durchführen,地址是您的邮箱。
Zuverlässigkeits-uneRignisZhitanalyse.
Visualisierung和分析der Zeit-bis-zum-Ausfall-Daten麻省理工学院和ohne Zensur去Durchfuhrung静脉Proportional-Hazard-Regression考克斯和Anpassungsverteilungen票。请您把您的经验,您的时代和您的所有的知识都放在Kerndichteschätzungen上。
分析冯大数据麻省理工学院阵列
我们采用了高数组、回归和聚类算法,我们的模型和代码都是Datensätzen。
Parallele Berechnung
Beschleunigen Sie Statistische Berechnungen und Das Trainieren Ihres Modells Mithilfe von Paralleldisierung。
云计算与分布式计算
关于统计数据和机器学习的详细介绍。Durchführung des vollständigen MATLAB在线™的机器学习工作流程。
Codegenerierung
erzeugportablen和lesbaren Coder c++代码für die Klasseneinteilungsfolgerung and Regressionsalgorithmen, deskriptive statiken and Wahrscheinlichkeitsverteilungen mithilfe von MATLAB编码器™。erzeung von C/ c++预后代码mit reduzierter Präzision mit dem Fixed Point Designer™和参数eingesetter模型erneute erzegung des预后代码Aktualisierung
集成仿真软件万博1manbetx
Integration Von Machine-Learning-Modellen在Sim万博1manbetxulink-ModelleFürdeneinsatzAuf Integerter硬件oderfüriesystemsimulation,-verifizierung und -validierung。
Anwendungen与unternehmenssystem的整合
统计软件和机器学习模型软件®Excel®插件mit MATLAB编译器™。C/ c++ Bibliotheken, Microsoft .NET-Assemblies, Java®克拉森和Python®-Paketen mit MATLAB编译器SDK™。
AutoML
Automatische Auswahl des Besten Modells und Damit Vercunder HyperParameterFür死回归
tempereterbarkebit.
Erhalten Sie Lokal Interpetierbare Modell-AnalytischeErklärungen(石灰)
SVM预测块
Simulink中的SVM-Modelle万博1manbetx
Inkrementelles Lernen
线性回归和binäre Klassifikationsmodelle schrittweise trainieren
TeilüberwachtesLernen(半监督学习)
在此基础上,我们采用石墨烯模型(fitsemigraph, fitsemself)
Codegenerierung
通用的C/ c++代码für Prognosen
leistung.
Schnelles训练von svm-modellen
详细信息Zu Diesen Merkmalen und denzugehörigenfunktionen findens sieversionshinweisen.。
机器学习ondramp.
Eine interactive Einführung在praktische机器学习方法zum Lösen von Klassifikationsproblemen。