Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Statistics and Machine Learning Toolbox

Analice y modele los datos mediante estadísticas y aprendizaje automático

proporciona funciones y aplicaciones para describir, analizar y modelar datos.Statistics and Machine Learning Toolbox™ Puede utilizar estadísticas y trazados descriptivos para el análisis de datos exploratorios, ajustar las distribuciones de probabilidad a los datos, generar números aleatorios para las simulaciones de Montecarlo y realizar pruebas de hipótesis. Los algoritmos de regresión y clasificación le permiten extraer inferencias de datos y crear modelos predictivos.

Para el análisis de datos multidimensionales, proporciona selección de características, regresión escalonada, análisis de componentes principales (PCA), regularización y otros métodos de reducción de dimensionalidad que le permiten identificar variables o características que afectan a su modelo.Statistics and Machine Learning Toolbox

La caja de herramientas proporciona algoritmos de aprendizaje automático supervisados y no supervisados, incluidas máquinas de vectores de soporte (SVMs), árboles de decisión potenciados y en bolsa,-vecino más cercano,-Means,-medoids, clustering jerárquico, modelos de mezcla gaussiana y ocultos Modelos de Markov.kkk Muchas de las estadísticas y algoritmos de aprendizaje automático se pueden utilizar para los cálculos en conjuntos de datos que son demasiado grandes para almacenarse en la memoria.

Introducción aStatistics and Machine Learning Toolbox

Aprender los aspectos básicos de Statistics and Machine Learning Toolbox

Estadísticas descriptivas y visualización

Importación y exportación de datos, estadísticas descriptivas, visualización

Distribuciones de probabilidad

Modelos de frecuencia de datos, generación aleatoria de muestras, estimación de parámetros

Pruebas de hipótesis

prueba t, prueba F, prueba de bondad de ajuste de Chi-cuadrado y más

Cluster Analysis

Técnicas de aprendizaje no supervisadas para encontrar agrupaciones y patrones naturales en los datos

Anova

Análisis de varianza y covarianza, ANOVA multivariada, medidas repetidas ANOVA

Regresión

Técnicas lineales, generalizadas, lineales, no lineales y no paramétricas para el aprendizaje supervisado

Clasificación

Algoritmos de aprendizaje supervisado para problemas binarios y multiclase

Reducción de dimensionalidad y extracción de características

PCA, análisis factorial, selección de características, extracción de características y más

Estadísticas industriales

Diseño de experimentos (DOE); Análisis de supervivencia y confiabilidad; control estadístico del proceso

Análisis de Big Data con Tall arrays

Analice los datos fuera de memoria

Agilice los cálculos estadísticos

Computación paralela o distribuida de funciones estadísticas

Generación de código

Genere código C/C++ y funciones MEX para funcionesStatistics and Machine Learning Toolbox