统计和机器学习工具箱™提供了描述、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、可视化和聚类来进行探索性数据分析，将概率分布拟合到数据，为蒙特卡罗模拟生成随机数，并执行假设检验。回归和分类算法可以让你从数据中得出推论，并建立预测模型，或者交互地，使用分类和回归学习者应用程序，或者编程地，使用AutoML。

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。

该工具箱提供了监督、半监督和非监督的机器学习算法，包括支持向量机(svm)、增强的决策树、万博1manbetxk-均值等聚类方法。您可以应用可解释性技术，如部分依赖图和LIME，并为嵌入式部署自动生成C/ c++代码。许多工具箱算法可以用于太大而不能存储在内存中的数据集。