Neueste Funktionen

Erfahren Sie mehr über die neuesten MATLAB-Funktionen für Machine Learning

Interaktive Apps

  • Verwenden Sie die  Classification Learner- und Regression Learner-Apps, um Daten interaktiv zu untersuchen, Merkmale auszuwählen und überwachte Klassifikations- und Regressionsmodelle zu trainieren und auszuwerten.
  • Neu Automatisierte Abstimmung von Hyperparametern und Anwendung von Kostenmatrizen aus den Learner-Apps
  • Passen Sie mit der Distribution Fitter-App Daten an zahlreiche unterschiedliche Wahrscheinlichkeitsverteilungen an, und untersuchen Sie die Auswirkungen der Änderung von Parameterwerten.

Zugehörige Produkte: Statistik- und Machine-Learning-Toolbox

Automatisierte Modelloptimierung

  • Neu Gleichzeitige Optimierung von Modelltyp und Hyperparametern
  • Nutzen Sie die automatische Feinabstimmung von Hyperparametern mit Bayes‘scher Optimierung.
  • Wählen Sie automatisch eine Teilmenge relevanter Merkmale aus, indem Sie Techniken wie die Nachbarschaftskomponentenanalyse (NCA) und die Merkmalsklassifizierung verwenden.
  • Parallelisieren Sie die Ausführung automatisierter Optimierungsmethoden auf mehreren Kernen mit der Parallel Computing Toolbox und Skalierung auf Clouds und Cluster mit MATLAB Parallel Server

Zugehörige Produkte: MATLAB-Parallel-ServerParallel-Computing-ToolboxStatistik- und Machine-Learning-Toolbox

Machine Learning und statistische Algorithmen 

  • Nutzen Sie häufig verwendete Algorithmen zur Klassifizierung und Regression, wie z.B. lineare und verallgemeinerte lineare Modelle, Unterstützung von Vektormaschinen, Entscheidungsbäumen, Ensembleverfahren und mehr 
  • Nutzen Sie häufig verwendete Cluster-Algorithmen, darunter k-Means, k-Medoids, hierarchisches Clustering, die Gauß‘sche Mischverteilung und Hidden-Markov-Modelle.
  • Verwenden Sie das dichtebasierte räumliche Clustering von Anwendungen mit Rauschen (Density-Based Spatial Clustering of Applications with Noise, DBSCAN) und die spektrale Clusterung beliebiger Formen
  • Führen Sie statistische und Machine Learning Berechnungen schneller aus als mit Open-Source-Tools.

Zugehörige Produkte: Statistics- und Machine Learning Toolbox

Datenvisualisierung

  • Erkunden Sie die Struktur Ihrer Daten und die Beziehungen zwischen Merkmalen mithilfe von Streudiagrammen, Boxplots, Dendrogrammen und anderen statistischen Visualisierungen.
  • Verwenden Sie fortschrittliche Algorithmen zur Reduzierung der Dimensionalität wie die stochastische Nachbarschaftseinbettung (t-SNE)
  • Visualisieren Sie hochdichte Daten mit verbesserten Streudiagrammen in der Classification Learner-App.
  • Neu Erstellen Sie Verwirrungsmatrizen aus Tall-Arrays

Zugehörige Produkte: Statistik- und Machine-Learning-Toolbox

Bereitstellung 

  • Erzeugen Sie automatisch C- oder C++-Code für viele verbreitete Klassifikations-, Regressions- und Clusteralgorithmen.
  • Neu Einsatz bei Geräten mit begrenztem Speicher und/oder begrenzter Leistung unter Verwendung von Festkomma-Arithmetik
  • New Aktualisieren Sie Parameter von eingesetzten Modellen wie SVM, linearen Modellen und Entscheidungsbäumen, ohne C/C++-Vorhersagecode neu zu generieren

Zugehörige Produkte: MATLAB-Coder, MATLAB-Compiler, Statistik- und Machine-Learning-Toolbox

Big Data 

  • Verwenden Sie Tall Arrays mit zahlreichen Klassifikations-, Regressions- und Cluster-Algorithmen, um Modelle anhand von Datensätzen zu trainieren, die nicht in den Arbeitsspeicher passen.
  • Passen Sie Mehrklassen-Klassifizierungsmodelle an, führen Sie Hyperparameter-Optimierung durch und spezifizieren Sie die Kosten mit Tall-Arrays
  • Verwenden Sie schnelle genäherte Mittelwerte, Quantile und nicht geschichtete Partitionen bei Out-of-Memory-Daten

Zugehörige Produkte: Parallel-Computing-Toolbox, Statistik- und Machine-Learning-Toolbox