matlab® 帮助工程师和各个领域的专家部署了成千上万的机器学习应用程序。matlab 具有以下功能和优势,令机器学习化繁为简:
- 点击式 app,可用于训练和比较模型
- 高级信号处理和特征提取方法
- 自动机器学习 (automl),包括特征选择、模型选择和超参数调优
- 支持将同一代码扩展到大数据处理和集群处理
- 为嵌入式和高性能应用程序自动生成 c/c 代码
- 通过原生模块或 matlab function 模块集成到 simulink,以用于嵌入式部署或仿真
- 各种常用的分类、回归和聚类算法,用于有监督和无监督学习
- 在大多数统计和机器学习计算中较开源工具执行更快
交互式 app 和算法
您可以选择各种时下热门的分类、聚类和回归算法,还可选择“浅层”神经网络(最多三层)及其他机器学习模型。使用分类和回归 app 以交互方式训练、比较、调整和导出模型,供进一步分析、集成和部署。如果您更偏好手写代码,可以通过特征选择和参数调优进一步优化模型。
模型可解释性
运用成熟的可解释性方法打破机器学习的黑盒,这些方法包括部分依赖图、lime、shapley 值和广义加性模型 (gam) 等。验证模型是否使用了正确的证据进行预测,并找出在训练期间不明显的模型偏差。
自动化机器学习 (automl)
从训练数据自动生成特征,并使用贝叶斯优化等超参数调优方法优化模型。使用小波散射等专用特征提取方法处理信号或图像数据,还可使用多种特征选择方法,包括近邻元分析 (nca)、最小冗余最大相关性 (mrmr) 和序列特征选择。
代码生成和 simulink 集成
将统计和机器学习模型部署到嵌入式系统,并为您的整个机器学习算法生成可读的 c 或 c 代码,包括预处理和后处理步骤。使用 matlab function 模块和 simulink 中的原生模块,加快机器学习模型高保真仿真的验证和确认。
扩展和性能
在训练机器学习模型时,当训练数据集过大而无法放入内存时,使用 tall 数组进行训练,且仅需对代码进行少量更改。您还可以在桌面、集群或云上使用并行计算来加速统计计算和模型训练。
30天免费试用
快速入门statistics and machine learning toolbox
运用统计与机器学习进行数据分析及建模