Statistics and Machine Learning Toolbox 시작하기
Statistics and Machine Learning Toolbox™는 데이터를 기술, 분석, 모델링하는 함수와 앱을 제공합니다. 탐색적 데이터 분석을 위해 기술 통계량, 시각화 및 군집화를 사용하고, 데이터에 확률 분포를 피팅하고, 몬테카를로(Monte Carlo) 시뮬레이션에 사용할 난수를 생성하고, 가설검정을 수행할 수 있습니다. 회귀 알고리즘과 분류 알고리즘을 사용하여 데이터를 바탕으로 추론하고, 분류 학습기 앱과 회귀 학습기 앱을 사용하여 대화형 방식으로 또는 AutoML을 사용하여 프로그래밍 방식으로 예측 모델을 생성할 수 있습니다.
다차원 데이터 분석과 특징 추출을 위해 주성분 분석(PCA), 정규화, 차원 축소 및 특징 선택 방법을 제공하여 최적의 예측 검정력을 가진 변수를 식별할 수 있습니다.
서포트 벡터 머신(SVM), 부스팅 결정 트리, k-평균 및 기타 군집화 방법을 포함하여 머신러닝 지도 학습, 준지도 학습 및 비지도 학습 알고리즘을 제공합니다. 부분 종속성 플롯 및 LIME과 같은 해석 가능성 기법을 적용하고, 임베디드 배포를 위한 C/C++ 코드를 자동으로 생성할 수 있습니다. 메모리에 저장하기에 너무 큰 데이터 세트를 대상으로 이 툴박스의 많은 알고리즘을 사용할 수 있습니다.
튜토리얼
- Exploratory Analysis of Data
Explore the distribution of data using visualizations and descriptive statistics.
- Hypothesis Testing with Two Samples
Use hypothesis testing to analyze gas prices measured across the state of Massachusetts during two separate months.
- 최적의 군집 개수 평가하기
evalclusters함수를 사용하여 데이터 세트에서 최적의 군집 개수를 식별합니다. - Assess Regression Neural Network Performance
Use
fitrnetto create a feedforward regression neural network model with fully connected layers, and assess the performance of the model on test data. - Train Decision Trees Using Classification Learner App
Create and compare classification trees, and export trained models to make predictions for new data.
머신러닝 정보
- MATLAB의 머신러닝
분류, 회귀, 군집화, 딥러닝을 위한 MATLAB®의 머신러닝 기능에 대해 알아봅니다. 자동 모델 훈련 및 코드 생성을 위한 앱에 대해서도 알아봅니다.
