统计和机器学习工具箱
使用统计学和机器学习分析和建模数据
统计和机器学习工具箱™提供描述,分析和模型数据的功能和应用。您可以使用描述性统计,可视化和聚类来进行探索数据分析;适合数据的概率分布;为Monte Carlo模拟生成随机数,并执行假设测试。回归和分类算法允许您使用AutomL使用分类和回归学习者应用程序的数据和建立预测模型的推论,并使用Automal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。
工具箱提供监督,半监督和非监督机器学习算法,包括支持向量机(SVM)、增强决策树、万博1manbetxk-均值和其他聚类方法。您可以应用可解释性技术,如部分依赖图和LIME,并自动生成用于嵌入式部署的C/C++代码。许多工具箱算法可用于太大而无法存储在内存中的数据集。
开始:
可视化效果
使用概率图、方框图、直方图、分位数-分位数图和多变量分析的高级图(如树状图、双图和Andrews图)直观地探索数据。
聚类分析
通过使用k-means、k-medoids、DBSCAN、层次和光谱聚类以及高斯混合和隐马尔可夫模型对数据进行分组来发现模式。
特征提取
使用稀疏滤波和ICA重建等无监督学习技术从数据中提取特征。您还可以使用专门的技术从图像、信号、文本和数字数据中提取特征。
功能选择
自动识别在数据建模中提供最佳预测能力的特征子集。特征选择方法包括逐步回归、序列特征选择、正则化和集成方法。
特征变换和降维
通过将现有(非分类)特征转换为新的预测变量来减少维度,其中可以丢弃更少的描述性功能。特征转换方法包括PCA,因子分析和非负矩阵分解。
培训、验证和调整预测模型
比较各种机器学习算法–包括浅层神经网络,选择功能,调整超参数,评估许多流行的分类和回归算法的性能。使用交互式应用程序构建并自动优化预测模型,并使用流数据逐步改进模型。通过应用半监督学习减少对标记数据的需求。
模型解释性
提高黑盒机器学习模型的可解释性,通过使用固有可解释性模型,如生成可解释性模型(GAM),或通过应用已建立的可解释性方法,包括部分依赖图、个体条件期望(ICE)、局部可解释性模型不可知论解释(LIME),和沙普利值。
自动化机器学习(Automl)
通过自动调整超参数,生成和选择功能和模型来提高模型性能,以及通过成本矩阵寻址数据集不平衡。
线性和非线性回归
从许多线性和非线性回归算法中选择多个预测器或响应变量对复杂系统的行为进行建模。拟合具有嵌套和/或交叉随机效应的多层次或层次化、线性、非线性和广义线性混合效应模型,以执行纵向或面板分析、重复测量和增长建模。
非参数回归
使用支持向量机、随机森林、浅层神经网络、高斯过程和高斯核生成精确拟合,而无需指定描述预测值和响应之间关系的模型。
方差分析(ANOVA)
将样本方差分配给不同的源,并确定各种群体中是否出现在不同人群中。使用单向,双向,多路,多变量和非参数ANOVA,以及协方差分析(ANOCOVA)和反复措施的方差分析(RANOVA)。
概率分布
拟合连续和离散分布,使用统计图评估拟合优度,计算概率密度函数和累积分布函数超过40种不同的发行版本.
假设检验
对一个、成对或独立的样本进行t检验、分布检验(卡方、Jarque-Bera、Lilliefors和Kolmogorov-Smirnov)和非参数检验。检验自动校正和随机性,并比较分布(两样本Kolmogorov-Smirnov)。
统计过程控制(SPC)
通过评估过程的可变性来监控和改进产品或过s manbetx 845程。创建控制图,评估工艺能力,执行量具重复性和再现性研究。
可靠性和生存分析
通过执行Cox比例风险回归和拟合分布来可视化和分析有和没有审查的失效时间数据。计算经验危险,幸存者,和累积分布函数,以及核密度估计。
用高数组分析大数据
使用带有许多分类、回归和聚类算法的高数组和表,在不改变代码的情况下,在不适合内存的数据集上训练模型。
并行计算
通过并行化加速统计计算和模型训练。
云计算和分布式计算
使用云实例加速统计和机器学习计算。在MATLAB Online™中执行完整的机器学习工作流。
代码生成
生成可移植和可读的C或c++代码,用于推断分类和回归算法,描述性统计,和概率分布使用MATLAB Coder™。使用Fixed Point Designer™以降低精度生成C/ c++预测代码,并在不重新生成预测代码的情况下更新已部署模型的参数。
与Simulink的集成万博1manbetx
将机器学习模型与Simulink模型集成,以部署到嵌入式硬件或系统仿真,验证和万博1manbetx验证。
与应用程序和企业系统集成
将统计和机器学习模型部署为独立、MapReduce或Spark™ 应用;作为网络应用程序;还是微软®擅长®使用MATLAB Compiler™的插件。构建C/ c++共享库,Microsoft .NET程序集,Java®Python类,®使用MATLAB编译器SDK的软件包™.