Neue Funktionen

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

Interaktive Apps

  • Verwenden Sie die Classification Learner-App zur interaktiven Untersuchung von Daten, zur Auswahl von Merkmalen sowie zum Training und zur Bewertung überwachter Klassifikationsmodelle.
  • NEU Nutzen Sie die Regression Learner-App, um Regressionsmodelle interaktiv zu trainieren.
  • Passen Sie mit der Distribution Fitter-App Daten an zahlreiche unterschiedliche Wahrscheinlichkeitsverteilungen an, und untersuchen Sie die Auswirkungen der Änderung von Parameterwerten.

Zugehörige Produkte: Statistics and 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.
  • Minimieren Sie Latenzzeiten, indem Sie die Verarbeitung vollständiger Datensätze verzögern.
  • NEU Verwenden Sie Fit-Kernel-SVM-Regressions- und -Klassifikationsmodelle mit Tall Arrays.
  • NEU Verwenden Sie schnelle Approximationen für Mittelwerte, Quantile und nicht geschichtete Partitionen für Out-of-Memory-Daten

Zugehörige Produkte: Parallel Computing Toolbox, Statistics and Machine Learning Toolbox

Automatisierte Modell-Optimierung

  • Nutzen Sie die automatische Feinabstimmung von Hyperparametern mit Bayes‘scher Optimierung.
  • Wählen Sie mithilfe von Techniken wie der Nachbarschaftskomponentenanalyse (NCA, Neighborhood Component Analysis) automatisch eine Teilmenge relevanter Merkmale aus.
  • NEU Nutzen Sie unüberwachtes Lernen von Merkmalen mithilfe von Sparse Filtering und Reconstruction Independent Component Analysis (RICA).

Zugehörige Produkte: Statistics and Machine Learning Toolbox

Bereitstellung von Anwendungen

  • Erzeugen Sie automatisch C- oder C++-Code für viele verbreitete Klassifikations-, Regressions- und Clusteralgorithmen.
  • NEU Erzeugen Sie C-Code für Abstandsberechnungen für Vektoren und Matrizen sowie für Vorhersagen mithilfe von k-Nearest-Neighbor und nontree Ensemble-Modellen.

Zugehörige Produkte: MATLAB Coder, MATLAB Compiler, Statistics and Machine Learning Toolbox

Datenvisualisierung

  • Erkunden Sie die Struktur Ihrer Daten und die Beziehungen zwischen Merkmalen mithilfe von Streudiagrammen, Boxplots, Dendrogrammen und anderen statistischen Visualisierungen.
  • NEU Erforschen Sie die Struktur Ihrer Daten und die Beziehungen zwischen Merkmalen mithilfe von Streudiagrammen, Boxplots, Dendrogramme und anderen standardmäßigen statistischen Visualisierungen.
  • NEU Visualisieren Sie Daten hoher Dichte mithilfe verbesserter Streudiagramme in der Classification Learner-App.

Zugehörige Produkte: Statistics and Machine Learning Toolbox

Machine Learning und statistische Algorithmen

  • Nutzen Sie häufig verwendete Algorithmen für die Klassifikation und die Regression, wie lineare und generalisierte lineare Modelle, Support Vector Machines, Entscheidungsbäume, Ensemble-Verfahren und mehr.
  • NEU Nutzen Sie verbreitete Cluster-Algorithmen, darunter k-Means, k-Medoids, hierarchisches Clustering, die Gauß‘sche Mischverteilung und Hidden-Markov-Modelle.
  • Führen Sie statistische und Machine Learning Berechnungen schneller aus als mit Open-Source-Tools.

Zugehörige Produkte: Statistics and Machine Learning Toolbox