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

• MATLAB의 머신러닝
  

  분류, 회귀, 군집화, 딥러닝을 위한 MATLAB^®의 머신러닝 기능에 대해 알아봅니다. 자동 모델 훈련 및 코드 생성을 위한 앱에 대해서도 알아봅니다.

• 분류 학습기 앱에서 분류 모델을 훈련시키기
  

  자동화된 훈련, 수동 훈련, 병렬 훈련 등 분류 모델을 훈련시키고 비교하고 향상시킬 수 있는 워크플로입니다.

• 회귀 학습기 앱에서 회귀 모델 훈련시키기
  

  자동화된 훈련, 수동 훈련, 병렬 훈련 등 회귀 모델을 훈련시키고 비교하고 향상시킬 수 있는 워크플로입니다.

• Distribution Plots
  

  Visually compare the empirical distribution of sample data with a specified distribution.

• 난수 생성 UI 탐색
  

  지정된 확률 분포에서 임의 표본을 생성하고 표본을 히스토그램으로 표시합니다.

• 지도 학습 워크플로와 알고리즘
  

  지도 학습의 단계와 비모수적 분류 및 회귀 함수의 특성을 알아봅니다.

• 실험계획법
  

  능동 데이터 수집으로 통계 모델링 문제를 해결합니다.