开始吧统计和机器学习工具箱

统计和机器学习工具箱™提供描述，分析和模型数据的功能和应用。您可以使用描述性统计和图表进行探索数据分析，适用于数据的概率分布，为蒙特卡罗模拟生成随机数，并执行假设测试。回归和分类算法让您从数据和构建预测模型中汲取推断。

对于多维数据分析，统计和机器学习工具箱提供功能选择，逐步回归，主成分分析（PCA），正常化和其他维度减少方法，可让您识别影响您的模型的变量或功能。

该工具箱提供监督和无监督的机器学习算法，包括支持向量机（SVM），提升和袋装决策树，万博1manbetxK.-最近的邻居，K.-方法，K.-medoids，分层聚类，高斯混合模型和隐藏的马尔可夫模型。许多统计和机器学习算法可用于计算太大的数据集上，该数据集太大而无法存储在存储器中。

教程

• Matlab机器学习
  

  发现Matlab的机器学习功能^®用于分类，回归，聚类和深度学习，包括自动模型培训和代码生成的应用程序。

• 在分类学习者应用中列车分类模型
  

  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列回归模型
  

  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。

• 箱图
  

  使用中位数，间隔范围和百分位比较数据分布。

• 分布图
  

  用指定分布在视觉比较样本数据的经验分布。

• 探索随机数生成UI
  

  从指定概率分布生成随机样本，并显示显示样本作为直方图。

• 监督学习工作流程和算法
  

  了解监督学习的步骤和非参数分类和回归函数的特征。

• 实验设计
  

  解决活动数据收集的统计建模问题。