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、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。

多次元データ分析に関しては、Statistics and Machine Learning Toolbox に用意されている特徴選択、ステップワイズ回帰、主成分分析 (PCA)、正則化および他の次元削減手法を使用して、モデルに影響を与える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 最近傍法、k-means、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。統計および機械学習のアルゴリズムの多くは、大きすぎてメモリには格納できないデータセットの計算に使用できます。

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

次元削減と特徴抽出

PCA、因子分析、特徴選択、特徴抽出など

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

tall 配列によるビッグ データの分析

メモリ不足になるデータの分析

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

コード生成

ツールボックスの関数に対応する C コードと MEX 関数を生成します。

この情報は役に立ちましたか?