统计和机器学习工具箱

使用统计学和机器学习分析和建模数据

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。可以使用描述性统计、可视化和聚类进行探索性数据分析，将概率分布拟合到数据中，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。

该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等聚类方法。您可以应用部分依赖关系图和LIME等可解释性技术，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大到无法存储在内存中的数据集。