最新特性

了解最新 MATLAB 机器学习特性

交互式应用程序

  • 使用 Classification Learner 应用程序交互式浏览数据、选择特征、训练与评估监督式分类模型
  • 新特性 利用 Regression Learner应用程序交互式训练回归模型
  • 使用 Distribution Fitter 应用程序让数据拟合于广泛的概率分布，并探索参数值变更的效果

相关产品: Statistics and Machine Learning Toolbox

分类学习器应用程序用于使用监督式机器学习来训练模型对数据进行分类。
5:12
使用分类学习器进行数据分类
利用 MATLAB tall 数组的强大功能和简易性，访问、探索和处理大数据及无法存入内存的数据（包括存储在 Spark 和 Hadoop 上的数据）。
4:13
MATLAB Tall 数组具体应用

大数据

  • 将 tall 数组与许多分类、回归和聚类算法结合使用，在无法存入内存的数据集上训练模型
  • 通过延迟处理完整数据集，最大限度地减少潜在问题
  • 新特性 将核心 SVM 回归和分类模型拟合与 tall 数组结合使用
  • 新特性 在超出内存的数据上应用快速近似均值、分位数和非分层分区

相关产品: Parallel Computing Toolbox, Statistics and Machine Learning Toolbox

模型自动优化

  • 运用贝叶斯优化自动调优超参数
  • 运用如近邻元分析 (NCA) 等技术自动选择一部分相关特征
  • 新特性 使用稀疏滤波和重构独立元分析 (RICA) 执行无监督特征学习

相关产品: Statistics and Machine Learning Toolbox

部署

  • 为诸多常用的分类、回归和聚类算法自动生成 C/C++ 代码
  • 新特性 通过使用 k-最近邻和非树型集成模型，生成用于向量和矩阵距离计算以及预测的 C 代码

相关产品: MATLAB Coder, MATLAB Compiler, Statistics and Machine Learning Toolbox

数据可视化

  • 通过散点图、箱线图、系统树图和其他标准统计可视化工具，探查数据的结构以及特征之间的关系
  • 新特性 运用如邻域嵌入算法(t-SNE)等高维降维算法
  • 新特性 使用 Classification Learner应用程序中改进的散点图实现高密度数据的可视化

相关产品: Statistics and Machine Learning Toolbox

 通过几个通用编程和机器学习任务，对MATLAB、微软® R语言(3.4.1) 与英特尔发行版Python(2018) 进行了比较。

机器学习和统计算法

  • 利用分类和回归的常见算法，如线性及广义线性模型、支持向量机、决策树、集成方法等
  • 新特性 运用常用聚类算法，包括 k-均值、k-中心点、分级聚类、高斯混合和隐马尔可夫模型
  • 运行统计和机器学习计算比使用开源工具快

相关产品: Statistics and Machine Learning Toolbox

获取免费试用版

30 天探索触手可及。

马上下载