麻省理工学院的MATLAB®haben Ingenieure und Domänenexperten bereits Tausende von Machine-Learning-Anwendungen implementiert。MATLAB macht机器学习mit folgenden Funktionen einfach:
- 点拨-点击-应用zum Trainieren and Vergleichen von Modellen
- forschrittliche Methoden zur signal verarbeittung and merkmaltraktion
- Automatisiertes机器学习(AutoML) mit Merkmalsauswahl, modelauswahl和Abstimmung der超参数
- Möglichkeit, mit demselben Code die Verarbeitung auf大数据和集群
- Automatisierte Erzeugung von C/ c++ -Code für Embedded-Anwendungen sowie高性能anwendungen
- 原生集成mit Simulink als原生MATLAB-Funktionsblöcke, für die Bereitstellung in eingebetteten Anwendungen oder Simulationen
- allle gängigen Klassifizierungs-，回归和聚类算法für überwachtes和nicht überwachtes勒嫩
- beiden meisten Berechnungen für统计和机器学习ist die Ausführungsgeschwindigkeit höher als die von Open-Source-Lösungen
交互式应用程序和算法
Wählen Sie aus zahlreichen weit verbreiteten Klassifikations-，聚类和回归算法- jetzt auch“flache”neuronale Netze (bis zu drei Ebenen) neben anderen机器学习- modellen。Verwenden Sie klaassifikations and regression - apps zum interaktiven Trainieren Vergleichen and Abstimmen and extieren Sie model für weitere分析，集成和积分。Falls Sie lieber程序代码schreiben, können Sie model durch Merkmalsauswahl and Parameterfeinabstimmung weiter optimieren。
Interpretierbarkeit von Modellen
Überwinden Sie den black - box charakter von Machine Learning mithilife etablierter Interpretierbarkeitsmethoden, beispielsweise partieller Abhängigkeitsdiagramme, LIME, Shapley-Werte und des allgemeinen additivmodels(广义可加性模型，GAM)。Überprüfen Sie, ob das modelell die richtigen Nachweise für塞纳Vorhersagen nutzt, und finden Sie modelellverzerrungen, die während des niht ersichtlich waren。
Automatisiertes机器学习
erzeeugen Sie austrainingsdaten automatisch Merkmale and optimieren Sie model durch Techniken zur Feinabstimmung der超参数wie Bayes' scheoptimierung。Wenden Sie spezialisierte Verfahren zur Merkmalsextraktion an, beispielsweise小波散射für Signal- oder Bilddaten, und Techniken zur Merkmalsauswahl wie nachbarschaftskomponentenenen(邻域成分分析，NCA)，最小冗余与最大关联(MRMR) oder sequenzielle Merkmalsauswahl。
Skalierung and Leistung
Mit - high - arrays können Sie Machine-Learning-Modelle auf Datensätze trainieren, die zu groß für den Speicher sind und das Mit minimalen Änderungen an Ihrem Code。Durch并行Rechnen auf Ihrem Desktop, auf cluster oder der Cloud können Sie statistische Berechnungen and das Trainieren von Modellen beschleunigen。
Schneller Einstieg
Interaktive Beispiele
Führen Sie Beispiele in Ihrem Browser aus, um MATLAB in Aktion zu sehen。
Mehr erfahren über资源für den einsteg
Sehen Sie sich eine Demo an, erkunden Sie die interaktiven Beispiele und nutzen Sie kostenlose tutorial。
30-tägige kostenlose Testversion
现在einsteigen
统计和机器学习工具箱
统计与机器学习分析与建模
您也可以从以下列表中选择一个网站: