このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
统计和机器学习工具箱™には,データを説明,分析およびモデル化するための関数とアプリが用意されています。記述統計,可視化,クラスタリングを使用して,探索的データ解析,データへの確率分布のあてはめ,モンテカルロシミュレーション用の乱数の生成,および仮説検定を実行できます。回帰と分類のアルゴリズムを使用して,データから推論を引き出し,予測モデルを構築できます。分類学習器および回帰学習器アプリを使用して対話的に行うことも、あるいは AutoML を使用してプログラムで行うこともできます。
多次元データ分析と特徴抽出に関しては,ツールボックスに用意されている主成分分析(PCA),正則化,次元削減,および特徴選択手法を使用して,予測力が最も高い変数を識別できます。
ツールボックスには,教師あり,半教師あり,および教師なしの機械学習アルゴリズムとして,サポートベクターマシン(支持向量机),ブースティングされた決定木,k - means,その他のクラスタリング手法などが用意されています。部分依存プロットや石灰といった解釈可能性を提供する手法を適用し,組み込み配布用のC / c++コードを自動的に生成できます。ツールボックスのアルゴリズムの多くは,メモリに格納できないほど大きなデータセットでも使用できます。
统计和机器学习工具箱の基礎を学ぶ
データのインポートとエクスポート,記述統計,可視化
データ頻度モデル,無作為標本の生成,パラメーターの推定
t検定F検定,カイ二乗適合性検定など
データの自然なグループとパターンを見つけるための教師なし学習法
分散分析と共分散分析,多変量方差分析,反復測定方差分析
線形,一般化線形,非線形およびノンパラメトリック方式による教師あり学習
バイナリ問題とマルチクラス問題のための教師あり学習および半教師あり学習アルゴリズム
主成分分析,因子分析,特徴選択,特徴抽出など
実験計画法(DOE),生存時間分析および信頼性分析,統計的工程管理
メモリ不足になるデータの分析
統計関数の並列計算または分散計算
统计和机器学习工具箱関数に対するC / c++コードおよび墨西哥人関数の生成