ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

Statistics and Machine Learning Toolbox

統計および機械学習による解析とモデル化

Statistics and Machine Learning Toolbox™ には、統計と機械学習を使用してデータを説明、分析およびモデル化するための関数とアプリが用意されています。記述統計を使用して、探索的データ解析のプロット、データへの確率分布のあてはめ、モンテカルロ シミュレーション用の乱数の生成、および仮説検定を実行できます。回帰と分類のアルゴリズムを使用して、データから推測結果を導き出し、予測モデルを構築することができます。

多次元データの分析に関しては、Statistics and Machine Learning Toolbox では、逐次特徴選択、ステップワイズ回帰、主成分分析、正則化および他の次元削減手法を使用してキー変数または特徴量を特定できます。教師ありおよび教師なしの機械学習アルゴリズムとして、サポート ベクター マシン (SVM)、ブースティングおよびバギングされた決定木、k 近傍法、k 平均、k-medoid、階層クラスタリング、混合ガウス モデル、隠れマルコフ モデルなどが用意されています。

Statistics and Machine Learning Toolbox 入門

Statistics and Machine Learning Toolbox の基礎を学ぶ

記述統計と可視化

データのインポートとエクスポート、記述統計、可視化

確率分布

データ頻度モデル、無作為標本の生成、パラメーターの推定

仮説検定

t 検定、F 検定、カイ二乗適合性検定など

クラスター分析

データの自然なグループとパターンを見つけるための教師なし学習法

分散分析

分散分析と共分散分析、多変量 ANOVA、反復測定 ANOVA

回帰

線形、一般化線形、非線形およびノンパラメトリック方式による教師あり学習

分類

バイナリ問題とマルチクラス問題のための教師あり学習アルゴリズム

次元削減

PCA、因子分析、非負値行列因子分解、逐次特徴選択など

産業用統計

実験計画法 (DOE)、生存時間分析および信頼性分析、統計的工程管理

統計計算の速度の向上

統計関数の並列計算または分散計算