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

Analyze and model data using statistics and machine learning

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

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

La caja de herramientas proporciona algoritmos de aprendizaje de máquinas supervisados y no supervisados, incluyendo máquinas de vectores de soporte (MVS), árboles de decisión impulsados y embolsados, k-vecino más cercano, k-Means, k-medoids, agrupamiento jerárquico, Modelos de mezcla de Gauss, y modelos ocultos de Markov. Muchas de las estadísticas y algoritmos de aprendizaje de máquina se pueden utilizar para cálculos en conjuntos de datos demasiado grandes para almacenarlos en la memoria.

Introducción a Statistics and Machine Learning Toolbox

Aprender los aspectos básicos de Statistics and Machine Learning Toolbox

Estadísticas descriptivas y visualización

Importación y exportación de datos, estadística descriptiva, visualización

Distribuciones de probabilidad

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

Pruebas de hipótesis

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

Análisis de clústeres

Técnicas de aprendizaje sin supervisión para encontrar agrupaciones y patrones naturales en los datos

Anova

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

Regresión

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

Clasificación

Algoritmos de aprendizaje supervisados para problemas binarios y multiclase

Reducción de dimensionalidad y extracción de características

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

Estadísticas industriales

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

Análisis de grandes datos con matrices altas

Analizar datos fuera de la memoria

Acelere los cálculos estadísticos

Cómputo paralelo o distribuido de funciones estadísticas

Generación de código

Generar código C y funciones Mex para funciones de Toolbox