统计和机器学习工具箱™提供功能和应用程序来描述、分析和建模数据。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;拟合概率分布到数据;为蒙特卡罗模拟生成随机数,并执行假设检验。回归和分类算法可以让您从数据中得出推论,并使用classification和Regression Learner应用程序以交互方式或使用AutoML以编程方式构建预测模型。
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。
工具箱提供了监督、半监督和无监督机器学习算法,包括支持向量机(svm)、增强决策树、浅神经网络、k-means和其他聚类方法。您可以应用可解释性技术,如部分依赖关系图、Shapley值和LIME,并自动生成用于嵌入式部署的C/ c++代码。本机Simulink块允许您使用带有模拟和基于模型的设计的预测模型。许多工具箱算法可以用于大到无法存储在内存中的数据集。