Nouveautés

Découvrez les dernières fonctionnalités de MATLAB et Simulink dans le domaine du machine learning

Applications interactives

  • Utilisez l’application Classification Learner pour l’exploration interactive de données, la sélection de caractéristiques, et l’entraînement et l’évaluation de modèles de classification supervisés.
  • NOUVEAU Tirez profit de l’application Regression Learner pour entraîner vos modèles de régression de manière interactive
  • Traitez vos données à l’aide d’un vaste choix de distributions de probabilité et découvrez les effets de changements de valeurs dans les paramètres, grâce à l’application Distribution Fitter

Produits associés: Statistics and Machine Learning Toolbox

Big Data 

  • Utilisez des tableaux tall 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
  • Réduisez les latences temporisant le traitement des jeux de données complets
  • NOUVEAU Utilisez des modèles de classification et de régression SVM par noyau avec des tableaux tall
  • NOUVEAU Utilisez des moyennes, des quantiles et des partitions non stratifiées pour les approximations rapides sur des données hors mémoire

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

Optimisation de modèle automatique

  • Réglez automatiquement les hyperparamètres à l’aide de l’optimisation bayésienne
  • Sélectionnez automatiquement un sous-ensemble de caractéristiques pertinentes à l’aide de méthodes telles que l’analyse des composants voisins (NCA)
  • NOUVEAU Effectuez un apprentissage de caractéristiques non supervisé à l’aide du filtrage de données creuses et de l’analyse en composantes indépendantes avec reconstruction (RICA)

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 Générez du code C pour le calcul des distances sur des vecteurs et des matrices, et pour les prédictions utilisant des modèles de recherche du K plus proche voisin et des modèles ensemblistes sans arborescence

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

Visualisation des données

  • Explorez la structure de vos données et les relations entre les caractéristiques à l’aide de tracés de nuages de points, de tracés en boîte, de dendrogrammes et d’autres méthodes de visualisation statistique standards
  • NOUVEAU Explorez la structure de vos données et les relations entre les caractéristiques à l’aide de tracés de nuages de points, de tracés en boîte, de dendrogrammes et d’autres méthodes de visualisation statistique standards
  • NOUVEAU Visualisez des données haute densité grâce à des tracés en nuages de points améliorés dans l’application Classification Learner

Produits associés: Statistics and Machine Learning Toolbox

Algorithmes de machine learning et d’analyse statistique

  • 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
  • NOUVEAU Utilisez les algorithmes d’apprentissage automatique les plus courants, notamment la méthode des k-moyennes, k-médoïdes, le clustering hiérarchique, les mélanges gaussiens et les modèles de Markov cachés
  • Effectuez des calculs de statistiques et de machine learning plus rapidement qu’avec les outils open source

Produits associés: Statistics and Machine Learning Toolbox