Nouveautés

Découvrez les nouvelles fonctionnalités de MATLAB pour le Machine Learning

Applications interactives

  • Utilisez les applications Classification Learner et Regression Learner pour l’exploration interactive des données, la sélection des caractéristiques ainsi que l’apprentissage et l’évaluation des modèles de classification et de régression supervisés.
  • Nouveau Réglez automatiquement les hyperparamètres et appliquez les matrices de coûts à partir des applications d'apprentissage
  • Traitez vos données à l’aide d’un vaste choix de distributions de probabilité et découvrez les effets des changements de valeurs des paramètres grâce à l’application Distribution Fitter

Produits associés : Statistics and Machine Learning Toolbox

Optimisation de modèle automatisée

  • Nouveau Optimisez simultanément le type de modèle et les hyperparamètres
  • Réglez automatiquement les hyperparamètres avec l’optimisation bayésienne
  • Sélectionnez automatiquement un sous-ensemble de caractéristiques pertinentes avec des méthodes telles que l'analyse NCA (Neighborhood Component Analysis) et le classement de caractéristiques
  • Parallélisez l'exécution de méthodes d'optimisation automatisées sur plusieurs cœurs en utilisant Parallel Computing Toolbox, et évoluez vers des clouds et des clusters avec MATLAB Parallel Server

Produits associés : MATLAB Parallel ServerParallel Computing ToolboxStatistics and Machine Learning Toolbox

Algorithmes de Machine Learning et statistiques 

  • Tirez parti des algorithmes couramment utilisés pour la classification et la régression, tels que les modèles linéaires et les modèles linéaires généralisés, les machines à vecteurs de support, les arbres de décision, les méthodes ensemblistes et bien plus encore 
  • Utilisez les algorithmes de clustering les plus courants, notamment la méthode des k-moyennes, k-médoïdes, le clustering hiérarchique, les mélanges gaussiens et les chaînes de Markov cachées
  • NouveauUtilisez le clustering spatial basé sur la densité des applications avec bruit (DBSCAN) et le clustering spectral de formes arbitraires
  • Effectuez des calculs statistiques et de Machine Learning plus rapidement qu’avec les outils open source  

Produits associés : Statistics and Machine Learning Toolbox

Visualisation des données

  • Explorez la structure de vos données et les relations entre les caractéristiques avec des scatter plots, des box plots, de dendrogrammes et d’autres méthodes de visualisation statistique standards
  • Utilisez des algorithmes avancés de réduction de la dimensionnalité tels que l'algorithme t-SNE (Stochastic Neighbor Embedding)
  • Visualisez des données haute densité grâce à des scatter plots améliorés dans l’application Classification Learner
  • Nouveau Créez des matrices de confusion à partir des tall arrays

Produits associés : Statistics and Machine Learning Toolbox

Déploiement 

  • Générez automatiquement du code C/C++ pour les algorithmes de classification, de régression et de clustering les plus utilisés
  • Nouveau Déployez sur des processeurs à mémoire et/ou puissance de calcul limitée avec l'arithmétique virgule fixe
  • Nouveau Mettez à jour les paramètres des modèles déployés tels que le SVM, les modèles linéaires et les arbres de décision, sans regénérer le code C/C++ pour la prédiction

Produits associés : MATLAB Coder, MATLAB Compiler, Statistics and Machine Learning Toolbox

Big Data 

  • Utilisez les tall arrays avec de nombreux algorithmes de classification, de régression et de clustering pour entraîner des modèles sur des jeux de données qui ne tiennent pas en mémoire
  • Adaptez des modèles de classification multi-classes, optimisez des hyperparamètres et spécifiez les coûts avec des tall arrays
  • Utilisez des approximations rapides de moyennes, des quantiles et des partitions non stratifiées sur les données hors mémoire

Produits associés : Parallel Computing Toolbox, Statistics and Machine Learning Toolbox