统计学和机器学习工具箱

使用统计和机器学习分析和建模数据

统计和机器学习工具箱™提供了描述、分析和建模数据的功能和应用程序。你可以对探索性数据使用描述性统计、可视化和聚类分析，将概率分布拟合到数据，生成蒙特随机数卡洛模拟，并进行假设测试。回归和分类算法可以让您从数据中进行推断并构建预测模型交互式使用分类和回归学习者应用程序，或以编程方式，使用AutoML。

对于多维数据分析和特征提取，工具箱提供主成分分析（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电源。

工具箱提供有监督、半监督和无监督的机器学习算法，包括支持向量机（SVM）、增强决策树、，k个-方法和其他聚类方法。你可以申请部分相关图和LIME等可解释性技术，以及自动生成用于嵌入式部署的C/C++代码。许多工具箱算法可以用于存储在内存中的数据集太大。