Funcionalidades más recientes

Descubra las funcionalidades más recientes de MATLAB para machine learning

Apps interactivas

  • Utilice las apps Classification Learner y Regression Learner para explorar datos de manera interactiva, seleccionar características y entrenar y evaluar modelos de clasificación y regresión supervisados.
  • Novedad Lleve a cabo el ajuste automatizado de hiperparámetros y aplique matrices de costes desde las apps de aprendizaje.
  • Ajuste los datos a una amplia gama de distribuciones de probabilidad y explore los efectos del cambio de valores de los parámetros mediante la app Distribution Fitter.

Productos relacionados: Statistics and Machine Learning Toolbox

Optimización de modelos automatizada

  • Novedad Optimice simultáneamente el tipo de modelo y los hiperparámetros.
  • Ajuste automáticamente los hiperparámetros mediante la optimización bayesiana.
  • Seleccione automáticamente un subconjunto de características relevantes mediante técnicas como el análisis de componentes vecinos (NCA) y la clasificación de características.
  • Paralelice la ejecución de métodos de optimización automatizados en varios núcleos mediante Parallel Computing Toolbox y escale a nubes y clusters mediante MATLAB Parallel Server.

Productos relacionados: MATLAB Parallel ServerParallel Computing ToolboxStatistics and Machine Learning Toolbox

Machine learning y algoritmos estadísticos

  • Aproveche el uso de algoritmos habituales para la clasificación y la regresión, tales como modelos lineales y lineales generalizados, máquinas de vector soporte, árboles de decisión, métodos combinados, etc.
  • Emplee algoritmos de clustering habituales, incluyendo k-means, k-mediods, clustering jerárquico, mezclas gaussianas y modelos ocultos de Markov.
  • Novedad Utilice el clustering de aplicaciones espacial basado en la densidad con ruido (DBSCAN) y el clustering espectral de formas arbitrarias.
  • Ejecute cálculos estadísticos y de machine learning más rápidamente que con herramientas de código abierto.

Productos relacionados: Statistics and Machine Learning Toolbox

Visualización de datos

  • Explore la estructura de sus datos y la relación entre características mediante gráficas de dispersión, gráficas de cajas, dendrogramas y otras visualizaciones estadísticas estándar.
  • Utilice algoritmos avanzados de reducción dimensional como Stochastic Neighbor Embedding (t-SNE).
  • Visualice datos de alta densidad con gráficas de dispersión mejoradas en la app Classification Learner.
  • Novedad Cree matrices de confusión a partir de arrays altos.

Productos relacionados: Statistics and Machine Learning Toolbox

Despliegue 

  • Genere automáticamente código C/C++ para muchos algoritmos habituales de clasificación, regresión y clustering.
  • Novedad Despliegue en dispositivos con memoria o con potencia limitadas mediante aritmética de punto fijo.
  • Novedad Actualice los parámetros de los modelos desplegados, como SVM, modelos lineales y árboles de decisión, sin necesidad de regenerar el código C/C++ de predicción.

Productos relacionados: MATLAB Coder, MATLAB Compiler, Statistics and Machine Learning Toolbox

Big data 

  • Utilice arrays altos con gran cantidad de algoritmos de clasificación, regresión y clustering a fin de entrenar modelos con conjuntos de datos que no caben en memoria.
  • Ajuste modelos de clasificación multiclase, realice optimización de hiperparámetros y especifique el coste con arrays altos.
  • Use medias aproximadas rápidas, cuantiles y particiones no estratificadas en datos con memoria insuficiente.

Productos relacionados: Parallel Computing Toolbox, Statistics and Machine Learning Toolbox