MATLAB机器学习

训练模型,调整参数,并将其部署到生产或边缘

使用MATLAB®,工程师和其他领域的专家已经部署了数以千计的机器学习应用。MATLAB使得机器学习容易的困难的部分:

  • 点和点击应用程序的培训和比较楷模
  • 高级信号处理特征提取技术
  • 自动hyperparameter调优特征选择要优化模型的性能
  • 使用相同的代码的能力大规模处理大数据和集群
  • 自动生成的C / C ++代码用于嵌入式和高性能应用程序
  • 流行分类,回归和聚类算法为监督和无监督学习
  • 更快的执行比大多数统计和机器学习计算开源

参考他人如何使用MATLAB机器学习

面板的导航

汽车

宝马

利用机器学习检测过度转向

面板的导航

公用事业和能源

贝克休斯

预测性维护的天然气和采油设备使用数据分析和机器学习

面板的导航

神经科学

巴特尔

神经旁路技术还原运动的瘫痪病人的手臂和手

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。使用分类和回归应用程序交互式地培训、比较、调整和导出模型,以进行进一步的分析、集成和部署。如果编写代码更符合您的风格,那么您可以通过特性选择和参数调优进一步优化模型。

自动化机器学习(AutoML)

自动生成的训练数据和优化模型中使用超参数优化技术,如贝叶斯优化功能。使用专门的特征提取技术如小波散射信号或图像数据,和特征选择技术,如邻域成分分析(NCA)或顺序特征选择。

代码生成

部署统计和机器学习模型的嵌入式系统通过产生可读C或C ++代码为整个机器学习算法,包括预处理和后处理。部署模型的更新参数,而无需重新生成C / C ++代码预测。通过加快在Simulink MATLAB功能块和系统块使用机器学习模型的高保真模拟验证和确认万博1manbetx®

缩放和性能

使用高数组在大到无法装入机器内存的数据集上训练机器学习模型,对代码的修改很少。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。

相关的话题

面板的导航

深度学习

设计、构建和可视化卷积神经网络。

面板的导航

数据科学

开发数据驱动的见解,导致改善的设计和决策。

面板的导航

预见性维护

开发和部署状态监测和预测维护软件。

得到快速入门

机器学习匝道

的交互式介绍实用的机器学习方法的分类问题。

探索入门资源

观看演示,探索互动的例子,并获得免费的教程。

获取免费试用

30天的探索在你的指尖。

探索统计和机器学习工具箱