Die Statistics and Machine Learning Toolbox™ bietet Funktionen und Apps zur Beschreibung, Analyse und Modellierung von Daten. Sie können deskriptive Statistiken und Diagramme zur explorativen Datenanalyse verwenden, Wahrscheinlichkeitsverteilungen an Daten anpassen, Zufallszahlen für Monte-Carlo-Simulationen erzeugen und Hypothesentests durchführen. Mit Regressions- und Klassifikationsalgorithmen können Sie Rückschlüsse aus Daten ziehen und Prognosemodelle erstellen.

Für die Analyse multidimensionaler Daten ermöglicht die Statistics and Machine Learning Toolbox die Identifikation von Schlüsselvariablen oder Merkmalen, die Einfluss auf Ihr Modell haben, mit Merkmalsauswahl, schrittweiser Regression, Hauptkomponentenanalyse (Principal Component Analysis, PCA), Regularisierung und anderen Methoden zur Verringerung der Dimensionalität.

Die Toolbox bietet Algorithmen für überwachtes und unüberwachtes Machine Learning, wie Support Vector Machines (SVMs), Entscheidungsbäume mit Boosting und Bagging, k-Nearest-Neighbor, k-Means, k-Medoids, hierarchisches Clustering, Gauß‘sche Mischverteilungsmodelle und Hidden Markov Modelle. Viele der Mechanismen für Statistik und Machine Learning können für Berechnungen an Datensätzen eingesetzt werden, die zu groß sind, um in den Arbeitsspeicher zu passen.