Introducción a Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox™ proporciona funciones y apps para describir, analizar y modelar datos. Puede utilizar estadísticas descriptivas, visualizaciones y clustering para realizar un análisis exploratorio de los datos, ajustar distribuciones de probabilidad a los datos, generar números aleatorios para simulaciones de Montecarlo y llevar a cabo pruebas de hipótesis. Los algoritmos de regresión y clasificación le permiten hacer inferencias a partir de los datos y construir modelos predictivos, ya sea de forma interactiva, con las apps Classification y Regression Learner, o de forma programática, utilizando AutoML.

Para el análisis de datos multidimensionales y la extracción de características, la toolbox ofrece métodos de análisis de componentes principales (ACP), regularización, reducción de la dimensionalidad y selección de características que permiten identificar las variables con el mejor poder predictivo.

La toolbox proporciona algoritmos de machine learning supervisado, semisupervisado y no supervisado, incluyendo máquinas de vectores de soporte (SVM, por sus siglas en inglés), árboles de decisión potenciados, k-medias y otros métodos de formación de clusters. Puede aplicar técnicas de interpretación como gráficas de dependencia parcial y LIME, y generar automáticamente código C/C++ para despliegues integrados. Muchos algoritmos de la toolbox pueden utilizarse en conjuntos de datos que resultan demasiado grandes para ser almacenados en la memoria.