MATLAB을 사용한 머신러닝

모델을 훈련시키고 파라미터를 조정하며 생산 시스템 또는 에지 기기에 배포할 수 있습니다.

엔지니어와 기타 분야별 전문가들은 MATLAB®을 사용하여 수천 가지 머신러닝 응용 프로그램을 배포해 왔습니다. MATLAB은 다음과 같은 기능을 제공해 머신러닝의 힘든 부분을 쉽게 만들어 줍니다.

  • 모델의 훈련 및 비교를 위한 포인트 앤 클릭 앱
  • 고급 신호 처리 및 특징 추출 기법
  • 특징 선택, 모델 선택 및 하이퍼파라미터 조정을 포함한 AutoML (자동 머신러닝)
  • 빅데이터 및 클러스터로 처리를 확장할 수 있게 동일한 코드 사용 가능
  • 임베디드 및 고성능 응용 사례를 위한 C/C++ 코드의 자동 생성
  • 임베디드 기기로의 배포나 시뮬레이션을 위해 네이티브 또는 MATLAB Function 블록으로 Simulink와의 통합
  • 지도 학습 및 비지도 학습에 널리 사용되는 모든 분류, 회귀 및 군집화 알고리즘
  • 대부분의 통계 및 머신러닝 연산에서 오픈 소스보다 더욱 신속한 실행
Panel Navigation
Panel Navigation

대화형 방식의 앱과 알고리즘

최대 3개 계층을 갖는 "얕은" 신경망 및 기타 머신러닝 모델을 포함하여 가장 널리 사용되는 다양한 분류, 군집 및 회귀 알고리즘 중에서 선택할 수 있습니다. 분류 및 회귀 앱을 사용하여 모델을 대화형 방식으로 훈련, 비교, 조정하고, 추가적인 분석, 통합 및 배포를 위해 모델을 내보낼 수 있습니다. 직접 코드 작성하는 것을 더 선호하는 경우, 특징 선택 및 파라미터 조정을 통해 모델을 더욱 최적화할 수 있습니다.

분류 학습기 앱

모델 해석 가능성

부분 종속성 플롯, LIME, 섀플리 값, GAM(일반화 가법 모델) 같은 기존의 해석 가능성 방법을 적용하여 머신러닝의 블랙박스적인 속성을 극복할 수 있습니다. 모델이 예측에 대한 올바른 증거를 사용하는지 검증하고 훈련 중에는 명확하지 않았던 모델의 편향을 찾을 수 있습니다.

모델 해석 가능성

AutoML (자동 머신러닝)

훈련 데이터에서 자동으로 특징을 생성하고, 베이즈 최적화 등의 하이퍼파라미터 조정 기법을 사용하여 모델을 최적화할 수 있습니다. 신호나 영상 데이터에 대해 웨이블릿 스캐터링과 같은 특화된 특징 추출 기법, NCA(이웃 성분 분석), MRMR(최소 잉여도-최대 연관성) 또는 순차적 특징 선택과 같은 특징 선택 기법을 사용할 수 있습니다.

코드 생성 및 Simulink 통합

임베디드 시스템에 통계 및 머신러닝 모델을 배포하고, 전처리와 후처리 단계를 포함한 전체 머신러닝 알고리즘에 대한 가독성 좋은 C 또는 C++ 코드를 생성할 수 있습니다. MATLAB Function 블록 및 Simulink®의 네이티브 블록을 통해 머신러닝 모델을 사용하여 고충실도 시뮬레이션의 검증과 확인을 가속화할 수 있습니다.

확장 및 성능

최소의 코드 변경만으로 tall형 배열을 사용하여 메모리에 담을 수 없이 큰 데이터셋에 머신러닝 모델을 훈련시킬 수 있습니다. 데스크탑, 클러스터 또는 클라우드에서 병렬 연산으로 통계 연산과 모델 훈련의 속도를 가속화할 수도 있습니다.

tall형 배열

관련 주제

Panel Navigation

딥러닝

컨벌루션 신경망을 설계, 구축 및 시각화합니다.

Panel Navigation

데이터 과학

데이터 주도적 이해를 통해 설계 및 의사결정을 개선합니다.

Panel Navigation

예측 정비

상태 모니터링 및 예측 정비 소프트웨어를 개발하고 배포합니다.

바로 시작해 보십시오

대화형 방식

대화형 방식 예제

브라우저에서 예제를 실행하여 실제 MATLAB 동작을 볼 수 있습니다.

Machine Learning Onramp

Machine Learning Onramp

분류 문제에 대한 실용적 머신러닝 방법을 대화형 방식으로 소개합니다.

시작하기 자료

시작하기 자료 살펴보기

시연 및 대화형 방식의 예제를 살펴보고, 무료 튜토리얼을 실행할 수 있습니다.

30일 무료 평가판

시작하기
eBook

Statistics and Machine Learning Toolbox

통계 및 머신러닝을 사용한 데이터 분석 및 모델링