用于数据科学的MATLAB

探索数据;建立机器学习模型;
做预测分析

MATLAB®使用工具访问和预处理数据，构建机器学习和预测模型，并将模型部署到企业IT系统，使数据科学变得容易。

  • 存取储存于平面文件、数据库、数据历史学家和云存储，或连接到活动源，例如数据采集硬件和财务数据提要
  • 管理和清洁数据使用数据类型和预处理能力用于程序性和交互式数据准备，包括地面真相标签的应用程序
  • 使用以下工具进行文档数据分析MATLAB的图形和住编辑器笔记本电脑的环境
  • 应用特定领域的工程特性用于传感器、文本、图像、视频和其他类型数据的技术
  • 探索各种各样的建模方法机器学习和深度学习应用程序
  • 微调机器学习和深度学习模型自动特性选择、模型选择和超参数调优算法
  • 部署机器学习模型生产IT系统，而不用重新编码成另一种语言
  • 自动转换机器学习模型独立的C / c++代码
从数据科学示例开始
面板的导航

高德纳同行洞察“客户的声音”:数据科学和机器学习平台

获取Gartner报告

为什么使用MATLAB进行数据科学?

探索性数据分析

用更少的时间预处理数据。从时间序列传感器数据到图像到文本，MATLAB数据类型显著减少了预处理数据所需的时间。高级函数可以方便地同步不同的时间序列，用插值值替换异常值，过滤噪声信号，将原始文本分割成单词，等等。通过图形和实时编辑器快速可视化您的数据，以理解趋势并识别数据质量问题。

了解更多

探索产品s manbetx 845

应用机器学习

找到最好的机器学习模型。无论你是一个希望帮助你开始机器学习的初学者，还是一个希望快速评估许多不同类型模型的专家，分类和回归应用程序都能提供快速的结果。从各种最流行的分类和回归算法中进行选择，基于标准度量标准比较模型，并导出有前景的模型以进行进一步分析和集成。如果编写代码更符合您的风格，您可以使用内置在模型训练函数中的超参数优化，这样您就可以快速找到最佳参数来优化您的模型。

了解更多

探索产品s manbetx 845

多平台部署

在任何地方部署机器学习模型包括C/ c++代码，CUDA®代码,企业IT系统，或者云。当性能很重要时，您可以从MATLAB代码生成独立的C代码，以创建具有高性能预测速度和较小内存占用的可部署模型。您还可以导出机器学习模型，以便在Simulink中使用万博1manbetx®或者将模型部署到MATLAB Production Server™，以便与web、数据库和企业应用程序集成。

了解更多

探索产品s manbetx 845

免费试用

30天的探索触手可及。

立即下载