机器学习

交互式应用程序和算法

从各种最流行的分类，聚类和回归算法中选择 - 现在也是“浅”神经网（最多三层）旁边旁边的其他机器学习模型。使用分类和回归应用程序以交互式列车，比较，调整和出口模型，以进行进一步分析，集成和部署。如果编写代码更多，您可以进一步优化具有功能选择和参数调谐的模型。

• 了解更多
• 探索机器学习示例、文章和教程
• 回归学习者应用（3:42）
• 分类学习者应用程序（4:34）
• 支持向量机教程和在MAT万博1manbetxLAB中使用它们（3:54）
• 哪种机器学习算法适合你?

模型的可解释性

克服了机器学习的黑匣子性质，通过施加了局部依赖性地块，石灰，福利值和广义添加剂模型（Gam）等局部依赖性地块，诸如部分依赖性地块，诸如诸如部分依赖性地块的诠释方法。验证模型正在使用正确的证据，以获得其预测，并找到在培训期间不明显的模型偏差。

• 了解更多
• 什么是模型可解释性?
• Matlab的模型解释性(5:49)
• 降低AI采用的障碍和可解释性(35:11)
• 介绍用MATLAB解释分类和回归模型

代码生成和Simulink集成万博1manbetx

将统计和机器学习模型部署到嵌入式系统中，为整个机器学习算法生成可读的C或c++代码，包括预处理和后处理步骤。通过MATLAB函数块和Simulink中的本机块，使用机器学习模型加速验证和验证您的高保真仿真。万博1manbetx

了解更多

• 在嵌入式设备上运行机器学习模型的关键技术（2:30）
• 更新代码生成的模型参数
• 在Simulink中集成支持向量机预测万博1manbetx^®使用本机块
• 为SVM预测生成固定点C / C ++

扩展和性能

使用高数组将机器学习模型训练成大到无法放入内存的数据集，只需要对代码进行最小的更改。您还可以使用桌面、集群或云上的并行计算来加速统计计算和模型培训。

了解更多

• Matlab高大阵列在行动中（4:13）
• 学习如何加速统计计算
• 使用并行计算执行大巩膜计算
• 将培训的预测模型部署到目标系统