Accelerating the pace of engineering and science

Statistics and Machine Learning Toolbox

ビッグデータのアルゴリズム

ビッグデータのアルゴリズム

アウトオブメモリ データに対して次元数の削減、記述統計、k 平均法クラスタリング、線形回帰、ロジスティック回帰および判別分析を実行

ベイズ最適化

ベイズ最適化

最適なハイパーパラメーターを検索することで機械学習アルゴリズムを調節

特徴選択

特徴選択

近傍要素解析 (NCA) を使用して、機械学習モデルの機能を選択

コード生成

コード生成

SVM およびロジスティック回帰モデルを使用して、予測を行う C コードを生成 (MATLAB Coder が必要)

分類学習器

分類学習器

複数の分類器を同時に学習 (Parallel Computing Toolbox が必要)

機械学習のパフォーマンス

機械学習のパフォーマンス

混合ガウス モデル、重複した観察結果が得られる SVM、スパース データの距離の計算を高速化

生存解析

生存解析

未処理関係および処理関係の新しいオプションを使用して、コックス比例ハザード モデルを近似

Latest Releases

R2016b (バージョン 11.0) - 2016年9月14日

R2016b で提供される Version 11.0 では、以下の機能が強化されています。

  • ビッグデータのアルゴリズム: アウトオブメモリ データに対して次元数の削減、記述統計、k 平均法クラスタリング、線形回帰、ロジスティック回帰および判別分析を実行
  • ベイズ最適化: 最適なハイパーパラメーターを検索することで機械学習アルゴリズムを調節
  • 特徴選択: 近傍要素解析 (NCA) を使用して、機械学習モデルの機能を選択
  • コード生成: SVM およびロジスティック回帰モデルを使用して、予測を行う C コードを生成 (MATLAB Coder が必要)
  • 分類学習器: 複数の分類器を同時に学習 (Parallel Computing Toolbox が必要)
  • 機械学習のパフォーマンス: 混合ガウス モデル、重複した観察結果が得られる SVM、スパース データの距離の計算を高速化
  • 生存解析: 未処理関係および処理関係の新しいオプションを使用して、コックス比例ハザード モデルを近似

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2016a (バージョン 10.2) - 2016年3月3日

R2016a で提供される Version 10.2 では、以下の機能が強化されています。

  • 次元数の多いデータの機械学習: 関数 fitclinear および fitrlinear を使用して確率的勾配降下や (L)BFGS などの手法で線形分類および回帰モデルの高速近似を実行
  • 分類学習器: 複数のモデルの自動学習を行い、クラス ラベルで結果を可視化して、ロジスティック回帰分類を実行
  • パフォーマンス: データが多数のクラスターをもつ場合に kmeans、kmedoids および混合ガウス モデルを使用してクラスタリングを高速化
  • 確率分布: 関数 ksdensity および mvksdensity を使用してカーネル平滑化密度を多変量データに近似させる
  • 安定分布: 裾の重い分布を必要とする金融データなどのデータをモデル化

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2015b (バージョン 10.1) - 2015年9月3日

R2015b で提供される Version 10.1 では、以下の機能が強化されています。

  • 分類学習器: 判別分析分類器の学習、カテゴリカル予測子を使った学習、PCAによる次元削減の実行
  • ノンパラメトリック回帰: サポート ベクトル回帰 (SVR) またはガウス過程回帰(クリギング)を使ったモデルの構築​
  • 機械学習のためのテーブルおよびカテゴリカル データ: テーブル および カテゴリカル 予測子の分類、ノンパラメトリック回帰関数および分類学習器での使用​
  • コード生成: 関数 kmeans および randsample ( MATLAB Coder を使用) に対して C および C++ コードを自動的に生成​
  • GPU 高速化: 確率分布、記述統計および仮説検定を含む 65 を超える関数の計算を高速化 (Parallel Computing Toolbox を使用)​

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2015a (バージョン 10.0) - 2015年3月5日

R2015a で提供される Version 10.0 では、以下の機能が強化されています。

  • 教師あり機械学習を使用してモデルの学習とデータの分類を行う分類アプリ
  • compareHoldouttestcholdouttestckfold の各関数を使用して 2 つの分類モデルの精度を比較する統計テスト
  • 余弦、相関、スピアマン距離の計算を使用した場合の kmedoidsfitcknn などの関数の高速化
  • 決定木および性能曲線のパフォーマンスの向上​​
  • fitctreefitrtreetemplateTree の各関数に 'MaxNumSplits' 引数を使用して決定木の深さを制御するオプションを追加
  • 関数 kmeans と関数 pca のコード生成 (MATLAB Coder を使用)
  • 関数 sampsizepwr による検出力と標本サイズ

詳細につきましては、 リリース ノート (英語) をご覧ください。

R2014b (バージョン 9.1) - 2014年10月2日

R2014b で提供される Version 9.1 では、以下の機能が強化されています。

  • fitcecoc 関数を使用してサポートベクターマシンおよびその他の分類をするためのマルチクラス学習
  • fitglme 関数を使用した一般化線形混合効果モデル
  • kmedoids 関数を使用した外れ値に対するロバストなクラスタリング
  • kmeans++ アルゴリズムを使用した kmeans および gmdistribution クラスタリングの高速化
  • 2 x 2 分割表のための Fisher の正確確率検定

詳細につきましては、 リリース ノート (英語) をご覧ください。