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

Tipos de datos admitidos

admite los siguientes tipos de datos para argumentos de entrada:Statistics and Machine Learning Toolbox™

  • Escalares numéricos, vectores, matrices o matrices con entradas de precisión simple o doble. Estos formularios de datos tienen el tipo de datos o.singledouble Algunos ejemplos son las variables de respuesta, las variables predictoras y los valores numéricos.

  • Matrices de celdas de vectores de caracteres; matrices de caracteres, cadenas, lógicas o categóricas; o vectores numéricos para variables categóricas que representen datos de agrupamiento. Estos formularios de datos tienen tipos de datos (específicamente),,,, y o, respectivamente.cellcellstrcharstringlogicalcategoricalsingledouble Un ejemplo es una matriz de etiquetas de clase en el aprendizaje automático.

    • También puede utilizar matrices nominales o ordinales para datos categóricos. Sin embargo, los tipos de datos y se pueden quitar en una versión futura.nominalordinal Para trabajar con datos categóricos nominales o ordinales, utilice el tipo de datos en su lugar.categorical

    • Puede utilizar enteros firmados o sin signo, p. ej., o.int8uint8 Sin embargo:

      • Es posible que las funciones de estimación no admitan tipos de datos enteros firmados o sin signo para datos que no son de agrupación.

      • Si se reconvierte un vector numérico que contiene valores a un entero con signo o sin firma, el software convertirá los elementos en.singledoubleNaNNaN0

  • Algunas funciones admiten matrices tabulares para datos heterogéneos (para obtener más información, consulte).Tablas (MATLAB) El tipo de datos contiene variables de cualquiera de los tipos de datos enumerados anteriormente.table Un ejemplo son los datos de predictor categóricos y numéricos mixtos para el análisis de regresión.

    • Para algunas funciones, también puede utilizar matrices de DataSet para datos heterogéneos. Sin embargo, el tipo de datos puede eliminarse en una versión futura.dataset Para trabajar con datos heterogéneos, utilice el tipo de datos si la función de estimación lo admite.table

    • Las funciones que no admiten el tipo de datos admiten datos de ejemplo de tipo o, por ejemplo, matrices.tablesingledouble

  • Algunas funciones aceptan argumentos de entrada para que se ejecuten en la GPU.gpuArray Para ver la lista completa de funciones que aceptan gpuArrays, consulte.Statistics and Machine Learning ToolboxFunciones con argumentosgpuArray

  • Algunas funciones aceptan argumentos de entrada de matriz para trabajar con grandes conjuntos de datos.tall Para ver la lista completa de funciones que aceptan matrices altas, consulte.Statistics and Machine Learning ToolboxSoporte para Tall array, notas de uso y limitaciones

  • Algunas funciones aceptan matrices dispersas, es decir, una matriz que devuelve.Aissparse(A)1 Para las funciones que no aceptan matrices dispersas, refundir los datos en una matriz completa mediante.full

no admite los siguientes tipos de datos:Statistics and Machine Learning Toolbox

  • Números complejos.

  • Tipos de datos numéricos personalizados, por ejemplo, una variable que es de doble precisión y un objeto.

  • Enteros numéricos firmados o sin firmar para datos no agrupados, p. ej., y.unint8int16

Nota

Si especifica datos de un tipo no admitido, el software podría devolver un error o resultados inesperados.