本页对应的英文页面已更新,但尚未翻译。 若要查看最新内容,请点击此处访问英文页面。

Statistics and Machine Learning Toolbox

使用统计信息和机器学习来分析数据并为数据建模

Statistics and Machine Learning Toolbox™ 提供了用于描述数据、分析数据以及为数据建模的函数和 App。您可以使用描述性统计量和绘图进行探索性数据分析,对数据进行概率分布拟合,生成进行蒙特卡罗仿真的随机数,以及执行假设检验。回归算法和分类算法允许您从数据做出推断并构建预测模型。

对于多维数据分析,Statistics and Machine Learning Toolbox 提供了特征选择、逐步回归、主成分分析 (PCA)、正则化以及其他降维方法,让您能够识别影响模型的变量或特征。

此工具箱提供有监督和无监督的机器学习算法,包括支持向量机 (SVM)、提升决策树和装袋决策树、k 最近邻、k 均值、k 中心点、层次聚类、高斯混合模型以及隐马尔可夫模型。可以使用许多统计算法和机器学习算法来计算因为太大而无法存储在内存中的大型数据集。

Statistics and Machine Learning Toolbox 快速入门

Statistics and Machine Learning Toolbox 基础知识学习

描述性统计量和可视化

数据的导入和导出、描述性统计量、可视化

概率分布

数据频数模型、随机样本生成、参数估计

假设检验

t 检验、F 检验、卡方拟合优度检验等

聚类分析

无监督学习方法,用于查找数据中的自然分组和模式

ANOVA

方差与协方差分析、多元 ANOVA、重复测量 ANOVA

回归

有监督学习的线性、广义线性、非线性和非参数化方法

分类

用于二类问题和多类问题的有监督学习算法

降维和特征提取

PCA、因子分析、特征选择、特征提取等

工业统计

实验设计 (DOE);生存和可靠性分析;统计过程控制

使用 tall 数组的大数据分析

分析无法放入内存的数据

加快统计计算速度

统计函数的并行计算或分布式计算

代码生成

为 Statistics and Machine Learning Toolbox 函数生成 C/C++ 代码和 MEX 函数