用MATLAB®， les ingénieurs et experts domaine ont déployé des millers d’applications de Machine Learning。MATLAB simplfie les tâches les plus complex du Machine Learning avec:
- 应用程序交互倒l '徒弟和la比较的modèles
- 技术avancées de traitement du signal et d'extraction de caractéristiques
- Le Machine Learning automatisé (AutoML)，注释la sélection des caractéristiques et des modèles, et Le réglage des hyperparamètres
- La possibilité d 'utiliser le même code pour faire évoluer le traitement sur des données大数据和集群
- La génération自动代码C/ c++ pour les应用embarquées et haute performance
- Une intégration dans Simulink basée sur des blocks MATLAB Function ou natifs à des fins de simulation ou de déploiement dans un système embarqué
- Les algorithmes de classification, de régression et de clustering Les plus populaires pour l'徒弟supervisé et非监督
- Une exécution加上rapide qu'avec les解决方案开源pour la plupart des计算统计和机器学习
应用程序交互和算法
Faites votre choix dans un éventail d'algorithmes populaires de classification, de clustering et de régression。Des réseaux de neurones«peu profmonds»(jusqu'à trois couches) et d' aures modèles de Machine Learning sont désormais également disponibles。利用应用程序régression和分类entraîner，比较器，régler和出口商互动modèles afin d'优化分析，'intégration和déploiement。Si vous préférez écrire du code, vous pouvez optimiser vos modèles grâce à la sélection de caractéristiques et au réglage de paramètres。
Interprétabilité des modèles
Surmontez le côté«boîte noire»du机器学习en appliquant des méthodes d'interprétabilité éprouvées telles que PDP(部分依赖图)，LIME, les valeurs de Shapley et le modèle additif généralisé (GAM)。有效的事实是什么modèle利用信息有效的pour ses prédictions et trouvez les biais du modèle qui n'étaient是明显的坠子我的学徒。
机器学习automatisé (AutoML)
Générez自动装置caractéristiques à partir des données entraînées et optimisez vos modèles en utilisant des techniques de réglage des hyperparamètres comme l’optimization bayésienne。利用技术spécialisées d’extraction de caractéristiques telles que que la diffusion par ondelettes pour les signaux et images, ainsi que des techniques de sélection de caractéristiques comme l’Analysis NCA(邻域成分分析)，MRMR(最小冗余最大相关性)ou la sélection séquentielle de caractéristiques。
En savoir plus
Génération de code et intégration dans Simulink
Déployez des modèles de Machine Learning et de statistics dans des systèmes embarqués, et générez du code C ou c++ pour l’ensemble de votre algorithm de Machine Learning, y compis les étapes de pré- et post-traitement。Accélérez la vérification et la validation de vos simulation haute-fidélité en utilisant des modèles de Machine Learning dans des blocks MATLAB Function et des blocks natifs dans Simulink。
Scalabilité et performance
Utilisez des tall arrays pour entraîner des modèles de Machine Learning sur des jeux de données trop volumineux pour être stockés en mémoire, avec un minimum de修改à apporter à votre code。Accélérez les calculator statistics et l '徒弟de modèles grâce au calculator parallèle sur votre PC, sur des clusters ou dans le cloud。
Demarrez很快
机器学习入口
Une介绍交互式aux méthodes pratiques de机器学习倒résoudre des problèmes de分类。
资源倾注démarrer
Regardez une démonstration, explorez des examples interfs et accédez à des tutoriels gratuits。
30个小时的免费的essai版本
开始
统计和机器学习工具箱
Analysez et modélisez des données grâce aux statistics et au机器学习
您也可以从以下列表中选择网站: