Statistics and Machine Learning Toolbox 入門
R2026bStatistics and Machine Learning Toolbox™ には、MATLAB® での統計解析と機械学習のための関数やアプリが用意されています。
統計解析では、記述統計を使用して、データの探索、確率分布の当てはめ、仮説の検定、分散分析 (ANOVA) の実行、実験の計画、測定システムの検証、プロセスの監視が可能です。プログラムによる解析には関数を使用し、分布の当てはめ、実験計画法 (DOE)、ゲージ R&R などのガイド付きワークフローには対話型のアプリを使用できます。
機械学習では、回帰モデル、分類モデル、クラスタリング モデル、その他のモデルに対話形式やプログラムによって学習させることができます。このツールボックスは、特徴量エンジニアリング、次元削減、モデル解釈、Simulink® 統合、展開用の C/C++ コード生成をサポートしています。対話型エクスペリエンスでは、分類学習器アプリや回帰学習器アプリを使用して、データの探索、特徴の選択、検証方式の選択、ハイパーパラメーターの調整が可能なほか、複数のアルゴリズムを並べて評価することもできます。
チュートリアル
- データの探索的解析
可視化と記述統計を使用してデータの分布を調べます。
- 2 つの標本による仮説検定
仮説検定を使用して、時期の異なる 2 か月間にマサチューセッツ州全体で測定されたガソリン価格を解析します。
- 最適なクラスター数の評価
evalclusters関数を使用して、データ セットにおける最適なクラスター数を特定します。 - 回帰ニューラル ネットワークの性能評価
fitrnetを使用して全結合層をもつフィードフォワード回帰ニューラル ネットワーク モデルを作成し、テスト データでモデルの性能を評価する。 - 分類学習器アプリを使用した決定木の学習
分類木を作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートします。
機械学習について
- MATLAB の機械学習
自動化されたモデル学習やコード生成用のアプリなど、分類、回帰、クラスタリングおよび深層学習用の MATLAB の機械学習機能について理解します。
授業用リソース
バイオサイエンスのための機械学習
生物学に基づいた例を使って機械学習の基礎を学習する。
Machine Learning for Regression
特徴抽出と特徴回帰の概念について学習し、それらを時系列予測に適用する。
