Statistics Toolbox

Apprendimento automatico

Gli algoritmi di apprendimento automatico (machine learning) usano metodi computazionali per “imparare” informazioni direttamente dai dati senza presupporre un’equazione predeterminata come modello. Essi possono migliorare in modo adattivo le loro prestazioni man mano che aumenta il numero di campioni disponibili per l’apprendimento.

Machine Learning con MATLAB 3:02
Prepara i dati e addestra i modelli di machine learning con MATLAB®

Classificazione

Gli algoritmi di classificazione consentono di modellare una variabile di risposta categorica in funzione di uno o più predittori. Statistics Toolbox offre una vasta gamma di algoritmi di classificazione parametrici e non parametrici, quali:

Introduzione alla classificazione 9:00
Sviluppare modelli predittivi per la classificazione di dati.

È possibile valutare la bontà del fitting per i modelli di classificazione risultanti usando tecniche quali:

Cluster Analisi

Statistics Toolbox offre vari algoritmi per analizzare i dati usando la clusterizzazione k-means, clustering gerarchico, modelli di misture di gaussiane o modelli di Markov nascosti. Quando il numero di cluster è sconosciuto, il toolbox fornisce tecniche di valutazione dei cluster per stabilire il numero di cluster presenti nei dati, in base a una metrica specifica.

Graphique montrant des modèles naturels dans les profils d’expression génique obtenus à partir de levure de boulanger. La procédure d’analyse en composantes principales et les algorithmes de classement par k-means sont utilisés pour trouver des clusters dans les données de profils.
Grafico che mostra gli schemi naturali nei profili di espressione genica ottenuti dal lievito di birra. L’analisi del componente principale (PCA) e gli algoritmi di clustering k-means vengono utilizzati per trovare i cluster nei dati del profilo.

Eseguire il clustering dei geni usando k-means (esempio)
Come rilevare gli schemi nei profili di espressione genica esaminando i dati dell’espressione genica

Fitting di modello di mistura gaussiana a due componenti in una mistura di bivariate gaussiane
Fitting di modello di mistura gaussiana a due componenti in una mistura di bivariate gaussiane
Sortie à partir de l’application d’un algorithme de classement sur le même exemple.
Output dall’applicazione di un algoritmo di clusterizzazione allo stesso esempio
Dendrogramme qui affiche un modèle avec 4 clusters.
Dendrogramma che mostra un modello con quattro cluster
Analisi cluster (esempio)
Uso di k-means e clustering gerarchico per scoprire i raggruppamenti naturali nei dati

Regressione

Gli algoritmi di regressione consentono di modellare una variabile di risposta continua in funzione di uno o più predittori. Statistics Toolbox offre una vasta gamma di algoritmi di classificazione parametrici e non parametrici, quali:

Statistica computazionale: Selezione funzioni, regolarizzazione e shrinkage con MATLAB 36:51
Apprendere come generare precisi fitting in presenza di dati correlati.

Avanti: Statistica multivariata

Prova Statistics Toolbox

Richiedi la versione di prova

Machine Learning with MATLAB

Visualizza webinar