统计和机器学习工具箱

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、分析和建模数据的函数和应用程序。您可以使用描述性统计、可视化和聚类进行探索性数据分析、将概率分布与数据拟合、为蒙特卡洛模拟生成随机数以及执行假设检验。回归和分类算法可以让您从数据中推断并建立预测模型，可以使用分类和回归学习者应用程序进行交互，也可以使用AutoML进行编程。

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。

这个工具箱提供了有监督、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-means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。许多工具箱算法可以用于过大而无法存储在内存中的数据集。