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。
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。
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。
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。
使用中位数,间隔范围和百分位比较数据分布。
用指定分布在视觉比较样本数据的经验分布。
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。
了解监督学习的步骤和非参数分类和回归函数的特征。
解决活动数据收集的统计建模问题。