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 製品の説明

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。

主な機能

  • 線形、一般化線形、非線形、ロバスト、正規化、ANOVA、混合効果モデルなどの回帰手法

  • 被験者ごとの複数の測定によるデータの反復測定モデリング

  • コピュラとガウスの混合を含む一変量および多変量確率分布

  • 乱数および準乱数発生器とマルコフ連鎖の例

  • 分布、分散、位置に関する仮説検定と、最適計画法、要員計画法、応答曲面計画法に関する実験計画法 (DOE)

  • 分類学習器アプリと教師あり機械学習アルゴリズム (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、単純ベイズ、判別分析など)

  • 教師なし機械学習アルゴリズム (k 平均、k-medoids、階層クラスタリング、混合ガウス、隠れマルコフ モデルなど)

この情報は役に立ちましたか?