使用 MATLAB 实现机器学习
训练模型、调优参数并部署到生产环境或边缘设备
使用 MATLAB®，工程师和其他领域专家部署了成千上万的机器学习应用程序。MATLAB 通过以下功能让机器学习的困难部分变得简单易行：
- 点击式应用，可用于训练和比较模型
- 高级信号处理和特征提取技术
- 自动超参数调优和特征选择，可优化模型性能
- 能使用相同的代码规模处理大数据和集群
- 为嵌入式和高性能应用程序自动生成 C/C++ 代码
- 各种常用的分类、回归和聚类算法，用于监督式和无监督学习
- 对于大多数统计和机器学习计算，比开源工具执行速度更快
了解他人使用 MATLAB 进行机器学习的成功经验
汽车
宝马汽车公司
利用机器学习检测过度转向
公用事业和能源
Baker Hughes
使用数据分析和机器学习实现油气开采设备的预测性维护
神经科学
Battelle
使用神经旁路技术让瘫痪男子的手臂和手恢复运动能力
交互式应用和算法
从各种时下热门的分类、聚类和回归算法中选择。使用分类和回归应用交互式地训练、比较、调整和导出模型，供进一步的分析、集成和部署。如果您更偏好手写代码，可以通过特征选择和参数调优进一步优化模型。
- 了解更多
- 浏览机器学习实例、文章和教程
自动化机器学习 (AutoML)
从训练数据自动生成特征，并使用贝叶斯优化等超参数调优算法优化模型。使用小波散射等专门特征提取算法处理信号或图像数据，并使用近邻成分分析 (NCA) 或序列特征选择等特征选择算法。
了解更多
代码生成
通过为整个机器学习算法（包括预处理和后处理）生成可读的 C 或 C++ 代码，将统计和机器学习模型部署到嵌入式系统。更新已部署模型的参数，而无需重新生成 C/C++ 预测代码。通过 Simulink® 中的 MATLAB 函数块和系统块使用机器学习模型，加快高保真仿真的验证和确认速度。
了解更多
扩展和性能
使用 tall 数组在数据集（这些数据集因过大而无法放入机器内存)上训练机器学习模型，仅需对您的代码进行最少的更改。您还可以在台式机、集群或云上使用并行计算来加速统计计算和模型训练。
了解更多
获取免费试用版
30 天探索触手可及。
