نرم‌افزار تحلیلی آماری و یادگیری ماشینی Statistics and Machine Learning Toolbox™

Analysis software Statistics Toolbox™
statisticalmodelingmachine learning

مشخصات کلیدی

نوع
اتوماتیک
نرم‌افزار مادر
The MathWorks
سیستم‌عامل پشتیبانی‌شده
Windows, Linux, macOS
نوع مجوز
مجوز تجاری (Commercial License)
نوع محصول
نرم‌افزار تحلیلی علمی و صنعتی
کاربرد اصلی
تحلیل داده، آمار، مدل‌سازی، یادگیری ماشینی
قابلیت‌های اصلی
تحلیل آماری، شبیه‌سازی مونتی کارلو، برازش توزیع احتمالی، آزمون فرضیه، رگرسیون، طبقه‌بندی، PCA، کاهش ابعاد، انتخاب ویژگی، خوشه‌بندی، تفسیرپذیری مدل، تولید کد C/C++
روش اجرای الگوریتم
تعاملی (با اپلیکیشن) و برنامه‌نویسی (کد نویسی)

مشخصات فنی

نوعاتوماتیک
نوع مجوزمجوز تجاری (Commercial License)
نوع محصولنرم‌افزار تحلیلی علمی و صنعتی
کاربرد اصلیتحلیل داده، آمار، مدل‌سازی، یادگیری ماشینی
نرم‌افزار مادرThe MathWorks
قابلیت‌های اصلیتحلیل آماری، شبیه‌سازی مونتی کارلو، برازش توزیع احتمالی، آزمون فرضیه، رگرسیون، طبقه‌بندی، PCA، کاهش ابعاد، انتخاب ویژگی، خوشه‌بندی، تفسیرپذیری مدل، تولید کد C/C++
روش اجرای الگوریتمتعاملی (با اپلیکیشن) و برنامه‌نویسی (کد نویسی)
سیستم‌عامل پشتیبانی‌شدهWindows, Linux, macOS
پشتیبانی از داده‌های حجیمبله

توضیحات

Statistics and Machine Learning Toolbox™ ابزاری قدرتمند برای تحلیل داده، مدل‌سازی آماری و یادگیری ماشینی است که امکان تحلیل جامع داده‌ها را فراهم می‌کند. این ابزار امکان استفاده از آمار توصیفی، نمایش‌های گرافیکی، خوشه‌بندی، برازش توزیع‌های احتمالی، تولید اعداد تصادفی برای شبیه‌سازی مونتی کارلو و آزمون فرضیه‌ها را فراهم می‌کند.

با استفاده از الگوریتم‌های رگرسیون و طبقه‌بندی، می‌توان به صورت تعاملی با اپلیکیشن‌های Classification and Regression Learner یا به صورت برنامه‌نویسی با استفاده از AutoML، نتیجه‌گیری‌های آماری و ساخت مدل‌های پیش‌بینی‌کننده انجام داد. برای تحلیل داده‌های چندبعدی و استخراج ویژگی‌های کلیدی، این ابزار روش‌هایی مانند تحلیل مؤلفه اصلی (PCA)، منظم‌سازی، کاهش ابعاد و انتخاب ویژگی‌های مؤثر را ارائه می‌دهد.

این بسته شامل الگوریتم‌های یادگیری ماشینی نظیر ماشین‌های بردار پشتیبان (SVM)، درخت‌های تصمیم بهبودیافته، k-means و سایر روش‌های خوشه‌بندی است. امکان استفاده از تکنیک‌های تفسیرپذیری مانند نمودارهای وابستگی جزئی و LIME نیز در این ابزار فراهم شده و امکان تولید کد C/C++ برای اجرای در سیستم‌های یکپارچه (embedded) وجود دارد.

بسیاری از الگوریتم‌های این بسته قابلیت پردازش داده‌های حجیمی را دارند که به دلیل حجم بالا، در حافظه سیستم قابل ذخیره‌سازی نیستند.