機械学習のための MATLAB

モデルをトレーニングし、パラメーターを調整し、本番環境またはエッジに展開

エンジニアや各分野の専門家により、何千もの機械学習アプリケーションの展開に MATLAB® が使用されています。MATLAB は機械学習における課題を、以下のような機能によって解消することができます。

  • クリック操作が可能なアプリによるモデルのトレーニングおよび比較  
  • 高度な信号処理および特徴抽出の手法   
  • ハイパーパラメーターの自動調整および特徴選択によるモデルパフォーマンスの最適化
  • コードを変更することなくビッグデータおよびクラスターに計算処理をスケーリングする機能   
  • 組み込みアプリケーションおよび高性能アプリケーション向け C/C++ コードの自動生成 
  • 教師あり学習と教師なし学習の主要な分類、回帰、クラスタリングのアルゴリズムに対応  
  • 大半の統計および機械学習の計算において、オープンソースツールよりも速い実行速度 

See How Others Use MATLAB for Machine Learning

Automotive

BMW

Detecting Oversteering with Machine Learning

Utilities and Energy

Baker Hughes

Predictive Maintenance for Gas and Oil Extraction Equipment Using Data Analytics and Machine Learning

Neuroscience

Battelle

Neural Bypass Technology Restores Movement to a Paralyzed Man’s Arm and Hand

インタラクティブなアプリとアルゴリズム

最も一般的な分類、クラスタリング、回帰の広範なアルゴリズムから選択できます。分類や回帰のアプリを使用してモデルを対話型でトレーニング、比較、調整、エクスポートし、さらに分析、統合、展開を行うことができます。コードの記述のほうが望ましい場合は、特徴選択やパラメーターの調整を通じてモデルをさらに最適化できます。

自動化された機械学習 (AutoML)

トレーニングデータから自動的に特徴を生成し、ベイズ最適化のようなハイパーパラメーター調整手法を使用してモデルを最適化します。信号や画像のデータにウェーブレット散乱などの専門的特徴抽出の手法を用いたり、近傍要素解析 (NCA) や逐次特徴選択などの特徴選択手法を使用できます。

コードの生成

前処理および後処理を含む、機械学習全体のアルゴリズムの読み取り可能な C または C++ コードを生成し、統計モデルと機械学習モデルを組み込みシステムに展開します。C/C++ 予測コードを再生成せずに、展開済みのモデルのパラメーターを更新します。Simulink® で MATLAB Function ブロックとシステムブロックから機械学習モデルを使用して、高性能なシミュレーションの検証と確認の作業を高速化します。

スケーリングとパフォーマンス

tall 配列を使用すれば、コードに最小限の変更を加えるだけで、マシンのメモリには大きすぎて収まらないデータセットを使って機械学習モデルをトレーニングできます。さらに、デスクトップ、クラスタ、またはクラウドで並列計算を使用することにより、統計計算とモデルトレーニングを高速化できます。

関連するトピック

ディープラーニング

畳み込みニューラル ネットワークを設計、構築、可視化します。

データサイエンス

設計や意思決定の向上に役立つデータ駆動型の洞察を提供します。

予知保全

状態監視/予知保全ソフトウェアを開発および展開します。

今すぐ始める

機械学習入門

ここでは、分類問題の実用的な機械学習方法の概要を対話形式で説明します。

入門リソースを見る

デモ、対話型の例、無料チュートリアルをご利用ください。

無料評価版を入手する

30 日間の無料評価版はこちら

Statistics and Machine Learning Toolbox を見る