Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox™ fornisce funzioni e app per descrivere, analizzare e modellare i dati. È possibile utilizzare la statistica descrittiva, le visualizzazioni e il clustering per l'analisi dati esplorativa, l'adattamento delle distribuzioni di probabilità ai dati, la generazione di numeri casuali per simulazioni Monte Carlo e l'esecuzione di test di ipotesi. Gli algoritmi di regressione e classificazione consentono di trarre inferenze dai dati e di costruire modelli predittivi sia in modo interattivo, utilizzando le app Classification Learner e Regression Learner, sia in modo programmatico, utilizzando AutoML.

Per l'analisi di dati multidimensionali e l'estrazione di feature, la toolbox fornisce metodi per l'analisi dei componenti principali (PCA), la regolarizzazione, la riduzione della dimensionalità e la selezione delle feature, che consentono di identificare le variabili con il maggiore potere predittivo.

La toolbox fornisce algoritmi di Machine Learning supervisionato, semi-supervisionato e non supervisionato, tra cui le Support Vector Machine (SVM), alberi decisionali con boosting, k-means e altri metodi di clustering. È possibile applicare tecniche di interpretabilità quali i grafici di dipendenza parziale e LIME, nonché generare automaticamente codice C/C++ per la distribuzione embedded. Molti algoritmi della toolbox possono essere utilizzati su insiemi di dati troppo grandi per essere memorizzati in memoria.