Statistics and Machine Learning Toolbox には、データを記述、解析、およびモデル化する関数やアプリが用意されています。探索的データ解析のために記述統計、可視化、およびクラスタリングを使用したり、確立分布をデータにあてはめたり、モンテカルロ シミュレーションのために乱数を生成できるほか、仮説検定を行うことも可能です。回帰および分類アルゴリズムにより、分類学習器アプリと回帰学習器アプリを使用して対話的に、または自動化された機械学習 (AutoML) を使用したプログラムで、データから推定を行い予測モデルを作成できます。

また、多次元データの解析および特徴抽出については、ツールボックスで、主成分分析 (PCA)、正則化、次元削減、特徴選択の手法が提供されており、予測精度を最大限に高める変数の特定が可能です。

このツールボックスには、サポート ベクター マシン (SVM)、ブースティングされた決定木、浅いニューラル ネットワーク、k-means、およびその他のクラスタリング手法を含む、教師あり機械学習、半教師あり機械学習、および教師なし機械学習のアルゴリズムが用意されています。部分従属プロットやシャープレイ値、LIME、および組み込み配布向けの C/C++ コード自動生成などの解釈可能性の手法を適用することができます。ネイティブの Simulink ブロックにより、シミュレーションおよびモデルベースデザイン (MBD、モデルベース開発) で予測モデルを使用することができます。メモリに収まりきらない大きなデータセットに、多くのツールボックス アルゴリズムを使用することができます。