Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox는 기술 통계량, 시각화, 군집화, 확률 분포, 가설검정과 지도, 준지도 및 비지도 머신러닝 알고리즘을 사용하여 데이터를 기술하고, 분석하며, 모델링하는 함수와 앱을 제공합니다.

분류 학습기 및 회귀 학습기 앱을 사용해 대화형 방식으로 모델을 훈련시킬 수 있으며, AutoML을 사용해 프로그래밍 방식으로도 학습할 수 있습니다.지원되는 알고리즘에는 선형 회귀, 서포트 벡터 머신, 부스팅 결정 트리, 얕은 신경망 등이 있습니다.

이 툴박스는 선형 회귀, 일반화 선형 모델(로지스틱, 푸아송 등), 비선형 회귀, 그룹화되거나 계층적 데이터를 위한 혼합효과 모델 및 가우스 과정 회귀 방법을 제공합니다. 단계적 변수 선택, Lasso 및 능형이 적용된 정규화, 다중클래스 결과에 대한 다항 로지스틱 회귀를 수행할 수 있습니다.

이 툴박스는 패턴을 식별하고, 최적의 군집 수를 결정하고, 이상이나 이상값을 탐지하기 위한 k-평균, 계층적 군집화, 가우스 혼합 모델, DBSCAN, 스펙트럼 군집화 등의 여러 방법을 제공합니다.

이 툴박스에는 fitdist 함수 또는 대화형 분포 피팅기 앱을 사용해 데이터에 피팅할 수 있는 25개 이상의 내장 확률 분포(정규, 베이불, 감마, 베타, 로그정규 등)가 있습니다. 최대가능도 추정을 사용해 사용자 지정 분포를 생성하고 피팅하며, 정보 기준을 사용하여 피팅을 비교하고, 생존 및 신뢰도 분석을 위한 중도절단 데이터 작업을 수행할 수 있습니다.

MATLAB Coder를 사용해 임베디드 배포를 위한 이식성이 좋은 C/C++ 코드를 생성하거나, 네이티브 Simulink 블록을 사용해 시뮬레이션 및 모델 기반 설계를 수행하거나, MATLAB Compiler를 사용해 IT 환경을 위한 MATLAB 코드를 컴파일할 수 있습니다.

Statistics and Machine Learning Toolbox는 데이터 탐색부터 운영 환경 배포까지 하나의 검증되고 문서화된 제품 안에서 제공되는 통합 환경을 제공합니다. 주요 차별화 요소로는 초보자를 위한 대화형 안내 앱, MATLAB Coder를 통한 임베디드 배포를 위한 C/C++ 코드 생성, 모델 기반 설계를 위한 직접 Simulink 통합 등이 있습니다. Python 및 R과 같은 오픈소스 대안은 무료이며 커뮤니티 지원을 받을 수 있지만, 일반적으로 여러 패키지를 직접 조합해야 하며 임베디드 코드 생성 또는 Simulink 수준의 시뮬레이션 통합 경로는 제공하지 않습니다.

T-검정, 분포 검정, 비모수 검정, ANOVA, 공분산 분석, 반복측정 ANOVA를 수행하고 자기상관, 임의성을 검정하고 분포를 비교할 수 있습니다.

네. 코드를 작성하지 않고도 분포 피팅기와 같은 대화형 앱을 사용해 확률 분포를 데이터에 피팅하고, 분류 학습기 및 회귀 학습기를 사용해 머신러닝 모델을 훈련시키고 비교하며 검증할 수 있습니다.