统计和机器学习工具箱
在机器学习中有一个中值模型。
统计和机器学习工具箱™proporciona funciones应用程序para describir, analizar和modelar数据。我们可以把它应用于数据分析的描述,数据概率分布的估计,模拟蒙特卡洛的概率分布的总数目和遗传的实际数目。这是一种复杂的计算方法,它适用于在预测模型的数据的推论之外的许可范围。
第下午更新的时候通知去DATOS multidimensionales,统计和机器学习工具箱proporciona funciones对Selecci贸德CARACTERÍSTICAS,regresión德pasos sucesivos,更新的时候通知德COMPONENTES principales(PCA,POR SUS siglas EN英语),regularizaciónÿOTROSmétodos德reducción德dimensionalidad阙乐permiten identificarØ变量CARACTERÍSTICAS阙afectan一肃莫德洛。
该工具箱是机器学习监督的算法,包括向量的maquinas soporte (SVM),决策增强的arboles bagged, k-vecino mas proximo, k-means, k-medoids,聚类jerarquico, mezclas gaussianas和modelos ocultos de Markov。用机器学习的算法来学习,可以使我们真正了解那些伟大的人在记忆中的行为。
Comience:
Visualizaciones
探索概率的视觉中位数嫁接、caja图、直方图、多变量综合分析嫁接、树状结构的故事、双曲线和安德鲁斯曲线。
Estadísticasdescriptivas
ComprendaŸdescribarápidamenteconjuntos德DATOS potencialmente德大玉野mediante UNOS波苏斯números德大relevancia。
更新的时候通知德集群
Descubra patrones agrupando洛斯DATOS mediante k均值,K-中心点划分,DBSCAN,聚类jerárquico,modelos德mezclas德gaussianasýmodelos ocultos德马尔可夫。
Extraccion de caracteristicas
除了中元技术之外,没有关于分散的管理,也没有关于独立的组成部分的分析。我们的技术尤其重要,如想象数据、年龄、数字等。
Selecci贸德CARACTERÍSTICAS
自觉性低于预测能力的自觉性高于最大预测能力的自觉性。在个人选择中包括个人选择,安全选择,规则选择和个人选择的组合。
资本主义的转变即维度的简化
维度转化为存在的变量(无分类)和新的预测变量(如描述变量)。在矩阵变换的元数中包括主成分分析,矩阵的因数分析和矩阵的因数分析。
对不起,我可以用我的预测
比较机器学习的发散算法,seleccione caracteristicas,这是我的预测价值。
Clasificacion
模型是一种根据无预测函数的形式来表示分类的变量。使用不同的参数参数算法,包括参数参数和不参数,有遗憾的逻辑,支持向量机,提高决策的arbolde de bagged,朴素贝叶斯,判别式分析和近似向量。
自模态优化
我们把它看作是成本矩阵的不平衡和成本矩阵的不平衡。
Regresión直系Y没有直系
在线性和非线性的多解算法中包含一系列可再生变量的完全变量的组合模型。所有的模型,直线,无直线和混合直线和一般直线,以及所有的曲线和实际的曲线,包括纵向的面板和重复的平面模型和重复的曲线。
Regresion没有parametrica
请特别精确地描述支持向量机、支持向量机、支持向量机和支持向量机之间的关系,包括支持向量机和支持向量机。
更新的时候通知德拉varianza(ANOVA)
Asigne UNA varianza德muestra一个distintosorígenesý确定SI LAvariación浪涌迪登特鲁ö恩特雷里奥斯distintos grupos德población。Utilice ANOVA德UNA大街,去DOS通孔,multivía,multivariante Y没有paramétrico,ASI como的更新的时候通知德拉covarianza(ANOCOVA)y的更新的时候通知德MEDIDAS repetidas德拉varianza(朗诺)。
Distribuciones de probabilidad
Ajuste DISTRIBUCIONES continuasŸdiscretas,utilicegraficos estadisticos评估概率的函数和分配函数的函数40个分布分岔。
阿莱托利亚数的产生
假aleatorios和cuasialeatorios的数目是构造概率分布的一部分。
反向风de hipotesis
实际情况是,分配情况(chi cuadrado, Jarque-Bera, Lilliefors和Kolmogorov-Smirnov)和独立情况下的护理情况。根据收入和收入来比较分配(Kolmogorov-Smirnov para dos muestras)。
第二次实验
Defina,analiceÿvisualice未DISEÑO德experimentos(DOE)personalizado。克里Ÿpruebe飞机prácticos对enseñar一个manipular拉斯入住日期日DATOS为y的拉VEZ一个generar信息自我SUS efectos连接洛杉矶DATOS德萨利达。
调查过程控制(SPC)
Ÿ监督洛杉矶mejore PRODUCTOSØprocesos evaluando拉variabilidad德洛斯procesos。克里GRAFICOS去控制,estime拉capacidad德洛斯procesosŸrealice ESTUDIOS自我LA repetibilidad和La reproducibilidad mediante EQUIPOS德medición。
生活质量分析
想象一下,我们已经认识到我们对分配的比例的后悔。这些能量,这些能量的分布,这些能量的分布,这些能量的分布。
一个爱丽丝大数据和高数组
使用高数组和表格并不是一个复杂的算法,遗憾的是,聚类在数据模型中不能用于修改编码中的记忆。
Cálculoparalelo
Acelere洛杉矶cálculosestadísticosŸEL entrenamiento德modelos CON LAparalelización。
CálculoEN LA NUBEÿdistribuido
Utilice instancias EN LA NUBE对acelerar洛杉矶cálculosestadísticosŸ德机器学习。Ejecute拉totalidad德尔flujo德特拉瓦霍去学习机连接MATLAB在线™。
这是整个帝国的整体
实现机器学习中的自治函数模型,MapReduce, Spark™,apps web和Microsoft的补足®Excel®mediante MATLAB编译器™。Cree librerias C/ c++ compartidas, ensamblados Microsoft®.NET, clases de Java®这就是巨蟒®mediante MATLAB编译SDK™。
modelos实现者的实际应用
Actualice洛斯parámetros洛斯modelos implementados犯罪御宇一个generar ELcódigo日预测C / C ++。
机器学习automatizado(AutoML)
选择是一种自愿性的选择,它可以作为一种特殊的选择。
Selecci贸德CARACTERÍSTICAS
这是一种特殊的问题,是一种特殊的问题
Generación德código
prediccion usando tablas totalmente numericas (requiere MATLAB编码器)
Generación德código
用C/ c++编写一套用于决策的参数(需要MATLAB编码器和不动点设计器)
Soporte对GPU
分布概率的32次函数,在GPU中相关随机喷出物(requiere Parallel Computing Toolbox)