最新特性

了解 MATLAB 在机器学习方面的最新特性

R2020b Highlights for Machine Learning

AutoML

Automatically select the best model and associated hyperparameters for regression

Simulink

Simulate and generate code and speed up training of SVM models in Simulink

Model Interpretability

Obtain locally interpretable model-agnostic explanations by finding important predictors (LIME)

Explore all of the Latest Machine Learning Features

交互式 App

  • 使用 Classification LearnerRegression Learner 交互式探查数据、选择特征、训练和评估有监督分类和回归模型
  • 新特性在学习器 App 中执行超参数自动调优并应用代价矩阵
  • 使用 Distribution Fitter 对数据进行多种概率分布拟合,并探索参数值变更的效果

相关产品:Statistics and Machine Learning Toolbox

模型自动优化

  • 新特性 同时优化模型类型和超参数
  • 运用贝叶斯优化自动调优超参数
  • 运用近邻元分析 (NCA) 和特征排序等方法自动选择相关特征子集
  • 使用 Parallel Computing Toolbox 在多个核上并行执行自动优化方法,并使用 MATLAB Parallel Server 扩展到云和集群

相关产品:MATLAB Parallel ServerParallel Computing ToolboxStatistics and Machine Learning Toolbox  

机器学习和统计算法 

  • 利用常见的分类和回归算法,如线性及广义线性模型、支持向量机、决策树、集成法等
  • 运用主流聚类算法,包括 k-均值、k-中心点、层次聚类、高斯混合和隐马尔可夫模型
  • 新特性 使用基于密度的含噪数据空间聚类 (DBSCAN) 和任意形状的频谱聚类
  • 相比开源工具,能够更快地运行统计和机器学习计算

相关产品:Statistics and Machine Learning Toolbox

数据可视化

  • 通过散点图、箱线图、树状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
  • 使用高级降维算法,如 t 分布随机近邻嵌入 (t-SNE)
  • 在 Classification Learner 中利用改进的散点图实现高密度数据的可视化
  • 新特性从 tall 数组创建混淆矩阵

相关产品:Statistics and Machine Learning Toolbox

部署 

  • 为多种主流分类、回归和聚类算法自动生成 C/C++ 代码
  • 新特性 使用定点算术在内存和/或功率有限的设备上进行部署
  • 新特性 更新已部署模型(如 SVM、线性模型和决策树)的参数,而无需重新生成 C/C++ 预测代码

相关产品:MATLAB CoderMATLAB CompilerStatistics and Machine Learning Toolbox  

大数据 

  • 在多种分类、回归和聚类算法中使用 tall 数组,从而基于无法放入内存的数据集训练模型
  • 针对 tall 数组进行多类分类模型拟合、执行超参数优化及指定代价
  • 对超出内存的数据应用快速近似均值、分位数和非分层分区

相关产品:Parallel Computing ToolboxStatistics and Machine Learning Toolbox