Statistics and Machine Learning Toolbox
Analyser et modéliser des données à l'aide de statistiques et du Machine Learning
Statistics and Machine Learning Toolbox™ offre des fonctions et des applications pour décrire, analyser et modéliser des données. Vous pouvez utiliser des statistiques descriptives, des visualisations et le clustering pour l’analyse exploratoire des données, les ajustements de loi de probabilité, la génération des nombres aléatoires pour les simulations Monte-Carlo et pour réaliser des tests d’hypothèse. Les algorithmes de régression et de classification vous permettent de déduire des comportements à partir des données et de construire des modèles prédictifs soit de manière interactive, en utilisant les applications Classification Learner et Regression Learners, soit de manière programmatique, en utilisant AutoML.
Pour l’analyse de données multidimensionnelles et l'extraction de caractéristiques, la toolbox propose l’analyse en composantes principales (ACP), la régularisation, la réduction de la dimension et des méthodes de sélection de variables pertinentes qui vous permettent d’identifier les variables qui offrent les meilleures capacités de prédiction.
La toolbox comprend des algorithmes de Machine Learning supervisés, semi-supervisés et non supervisés, notamment les machines à vecteurs de support (SVM), le boosting, les k-means et autres méthodes de clustering. Vous pouvez utiliser des techniques d'interprétabilité, comme des tracés de dépendance partielle et la méthode de LIME, et générer automatiquement du code C/C++ pour un déploiement embarqué. De nombreux algorithmes de la toolbox peuvent être appliqués à des jeux de données trop volumineux pour être stockés en mémoire.
En savoir plus:
Visualisations
Explorez visuellement les données avec des tracés de probabilité, des boîtes à moustaches (box plot), des histogrammes, des diagrammes quantile-quantile et des graphiques avancés d'analyse multivariée, tels que des dendrogrammes, des diagrammes de double projection (biplot) et des graphiques d'Andrews.
Utilisez un scatter plot multidimensionnel pour explorer les relations entre les variables.
Statistiques descriptives
Décrivez et comprenez rapidement vos jeux de données potentiellement importants à l’aide de quelques caractéristiques très pertinentes.
Explorez les données à l'aide de moyennes et de variances groupées.
Analyse de clusters
Découvrez des modèles en groupant des données à l'aide des k-means, des k-medoids, du DBSCAN (Density-Based Spatial Clustering of Applications with Noise), du clustering hiérarchique et spectral, des mélanges gaussiens et des chaînes de Markov cachées.
Application d'un DBSCAN à deux groupes concentriques.
Extraction de caractéristiques
Réaliser l'extraction de caractéristiques à partir de données en utilisant des techniques d'apprentissage non supervisé telles que le filtrage de données creuses (sparse) et l'analyse en composantes indépendantes (ICA) avec reconstruction. Vous pouvez aussi utiliser des techniques spécialisées pour extraire des caractéristiques à partir d'images, de signaux, de texte et de données numériques.
Extraction de caractéristiques à partir de signaux transmis par des appareils mobiles.
Sélection de variables pertinentes
Identifiez automatiquement le sous-ensemble des variables qui propose les meilleures capacités de prédiction pour la modélisation de données. Les méthodes de sélection de variables comprennent la régression stepwise, la sélection séquentielle, la régularisation ainsi que des méthodes ensemblistes.
L'analyse NCA permet de sélectionner les variables qui préservent au mieux la précision du modèle.
Transformation de variables et réduction de dimension
Réduisez la dimension de vos données en transformant les variables (non catégorielles) existantes en de nouvelles variables prédictives dans lesquelles les variables les moins pertinentes peuvent être ignorées. Les méthodes de transformation comprennent l'analyse en composantes principales (ACP), l’analyse factorielle et la factorisation par matrices non négatives (Non-negative Matrix Factorization ou « NMF »).
L'ACP peut projeter orthogonalement des vecteurs de grande dimension sur un système de coordonnées de moindre dimension tout en préservant le maximum d'information.
Apprentissage, validation et optimisation de modèles prédictifs
Comparez plusieurs algorithmes de Machine Learning, notamment des réseaux de neurones peu profonds, sélectionnez des caractéristiques, ajustez les hyperparamètres et évaluez les performances de nombreux algorithmes de classification et de régression parmi les plus utilisés. Créez et optimisez automatiquement des modèles prédictifs avec des applications interactives et améliorez progressivement ces modèles avec des données en streaming. Réduisez le besoin de données labellisées en appliquant l'apprentissage semi-supervisé.
Interprétabilité des modèles
Améliorez l'interprétabilité du Machine Learning de type « boîte noire » en utilisant des modèles intrinsèquement interprétables comme le modèle additif généralisé (GAM) ou en appliquant des méthodes d'interprétabilité éprouvées, notamment PDP (Partial Dependence Plots), ICE (Individual Conditional Expectations), LIME (Local Interpretable Model-agnostic Explanations) et les valeurs de Shapley.
LIME construit des approximations simples de modèles complexes dans un espace local.
Machine Learning automatisé (AutoML)
Améliorez les performances des modèles en ajustant automatiquement les hyperparamètres, en générant et sélectionnant les caractéristiques et les modèles, et en traitant les déséquilibres dans les jeux de données avec des matrices de coût.
Optimisation efficace des hyperparamètres avec l'optimisation bayésienne.
Régression et ANOVA
Modélisez une variable de réponse continue comme une fonction d'un ou plusieurs prédicteurs en utilisant la régression linéaire ou non linéaire, des modèles à effets mixtes, des modèles linéaires généralisés et la régression non paramétrique. Attribuez une variance aux différentes sources à l'aide d'ANOVA.
Régression linéaire et non linéaire
Modélisez le comportement des systèmes complexes à plusieurs prédicteurs ou variables réponse en choisissant parmi de nombreux algorithmes de régression linéaire et non linéaire. Ajustez les modèles hiérarchiques ou multi-niveaux, les modèles linéaires et non linéaires, et les modèles linéaires généralisés à effets mixtes avec des effets aléatoires croisés et/ou imbriqués pour effectuer des analyses longitudinales ou de panels, des mesures répétées et des modélisations de croissance.
Ajustez des modèles de manière interactive avec l'application Regression Learner.
Régression non paramétrique
Générez un ajustement précis, sans spécifier de modèle décrivant la relation entre les prédicteurs et la réponse, en utilisant des machines à vecteurs de support (SVM), des forêts aléatoires, des réseaux de neurones peu profonds, des processus et des noyaux gaussiens.
Identifiez les valeurs aberrantes ou extrêmes à l'aide de la régression quantile.
Analyse de la variance (ANOVA)
Attribuez la variance d’un échantillon à différentes sources et déterminez si la variation survient dans ou entre les différents groupes de population (variance inter ou intra). Utilisez des ANOVA à un facteur, deux facteurs, N facteurs, multivariées ou non paramétriques ainsi que des analyses de covariance (ANOCOVA) et des analyses de variance à mesures répétées (RANOVA).
Testez les groupes avec l'ANOVA.
Lois de probabilité
Ajustez des lois continues ou discrètes, utilisez des graphiques statistiques pour évaluer la qualité de l’ajustement, et calculez les fonctions de densité de probabilité et les fonctions de distribution cumulée de plus de 40 distributions.
Ajustez des lois de probabilité à l'aide de l'application Distribution Fitter.
Génération de nombres aléatoires
Générez des séries numériques pseudo-aléatoires et quasi-aléatoires à partir d'une loi de probabilité ajustée ou construite.
Générez des nombres aléatoires de manière interactive.
Tests d’hypothèse
Effectuez des tests t, des tests de distribution (Chi², Jarque-Bera, Lilliefors et Kolmogorov-Smirnov) et des tests non paramétriques pour un échantillon, des échantillons appariés ou des échantillons indépendants. Testez l'autocorrélation et le caractère aléatoire, et comparez les distributions (test de Kolmogorov-Smirnov à deux échantillons).
Région de rejet dans un test t unilatéral.
Plan d’expériences (DOE)
Définissez, analysez et visualisez un plan d'expériences personnalisé. Créez et testez des plans pratiques relatifs à la manière de manipuler les données d’entrées en tandem pour générer des informations par rapport à leurs effets sur les données de sorties.
Appliquez un plan de Box-Behnken pour générer des surfaces de réponse d'ordres plus élevés.
Contrôle des processus statistiques (SPC)
Surveillez et améliorez des produits ou des processus en évaluant la variabilité du processus. Créez des diagrammes de contrôle, estimez la capacité du processus et effectuez des études de répétabilité et de reproductibilité.
Surveillance de processus de fabrication à l'aide de diagrammes de contrôle.
Analyse de fiabilité et de survie
Visualisez et analysez les données de probabilité d'une panne, avec ou sans censure, en exécutant des modèles de risques proportionnels de la régression de Cox, et ajustez les distributions. Calculez les risques empiriques, la survie, des fonctions de distribution cumulée et des estimations de densité de noyau.
Données de défaillance en tant qu'exemple de valeurs « censurées ».
Big data, parallélisation et Cloud Computing
Utilisez des techniques statistiques et de Machine Learning avec les données massives ou hors mémoire (out-of-memory). Accélérez les calculs statistiques et l'apprentissage de modèles de Machine Learning en les parallélisant sur des instances de clusters et de cloud.
Analyser les big data avec des tall arrays
Utilisez les tall arrays et des tables avec de nombreux algorithmes de classification, de régression et de clustering pour entraîner vos modèles sur des jeux de données qui ne peuvent tenir en mémoire sans modifier votre code.
Calculs parallèles
Accélérez les calculs statistiques et l’apprentissage de modèles grâce à la parallélisation.
Accélérez les calculs avec Parallel Computing Toolbox ou MATLAB Parallel Server.
Cloud et calcul distribué
Utilisez des instances de cloud pour accélérer les calculs statistiques et de Machine Learning. Exécutez le workflow complet de Machine Learning dans MATLAB Online™.
Effectuez des calculs sur les instances de cloud Amazon ou Azure.
Génération de code
Générez du code C ou C++ portable et lisible pour l'inférence des algorithmes de classification et de régression, les statistiques descriptives et les lois de probabilité avec MATLAB Coder™. Générez le code C/C++ des algorithmes de prédiction avec une précision réduite à l'aide de Fixed Point Designer™, et mettez à jour les paramètres des modèles déployés sans regénérer le code de la prédiction.
Deux chemins pour le déploiement : générer du code C ou compiler du code MATLAB.
Intégration avec Simulink
Intégrez des modèles de Machine Learning avec des modèles Simulink pour le déploiement sur du hardware embarqué ou à des fins de simulation, de vérification et de validation de systèmes.
Intégrer avec des applications et des systèmes d'entreprise
Déployez vos modèles statistiques et de Machine Learning en tant qu’applications autonomes, MapReduce ou Spark™, ou bien en tant qu'applications web, ou encore en tant que add-ins Microsoft® Excel® avec MATLAB Compiler™. Créez des bibliothèques partagées C/C++, des Microsoft .NET assemblies, des classes Java® et des packages Python® avec MATLAB Compiler SDK™.
Utilisez MATLAB Compiler pour intégrer un modèle de classification de la qualité de l'air.
