统计和机器学习工具箱™提供功能和应用程序来描述、分析和模型数据。您可以使用描述性统计、可视化和聚类的探索性数据分析;适合数据概率分布;生成随机数的蒙特卡罗模拟,并执行假设测试。回归和分类算法让你从数据得出结论并建立预测模型交互,使用分类和回归学习者应用程序,或者通过编程,使用AutoML。

多维数据分析和特征提取,工具箱提供了主成分分析(PCA),正规化,降维,特征选择方法,让你识别变量与最好的预测能力。

工具箱提供了监督、semi-supervised和无监督的机器学习算法,包括支持向量机(svm),提高了决策树,浅神经网络,k - means,和其他聚类方法。您可以应用可解释性等技术部分依赖情节,沙普利值和酸橙,自动生成C / c++代码为嵌入式部署。本地仿真软件模块允许您使用与模拟预测模型和基于模型的设计。许多工具箱算法可用于数据集太大被存储在内存中。