使用 MATLAB 进行数据分析

对数据进行探查、建模和可视化

工程师和科学家使用 MATLAB® 来组织、清理及分析气候学、预测性维护、医学研究和金融等各个领域的复杂数据集。MATLAB 提供:

  • 专为工程和科学数据设计的数据类型和预处理功能
  • 可交互且高度可自定义的数据可视化
  • App 和实时编辑器任务,帮助您进行交互式数据清理、准备和代码生成
  • 用于统计分析、机器学习和信号处理的数千个预置函数
  • 全面专业的书面文档
  • 通过简单代码更改和额外硬件即可实现的性能加速
  • 无需重大代码改动即可进行大数据分析
  • 分析自动打包功能,可将分析打包成可随意分发的软件组件或可嵌入的源代码,无需手动对算法进行重新编码
  • 通过分析自动生成的可共享报告

组织和探查数据

使用为表格、时间序列、分类和文本数据设计的数据类型组织数据。使用 MATLAB 语言基于多个不同领域的数千种算法编写程序。以交互方式自定义可视化,然后自动生成 MATLAB 代码,以使用新数据进行重现。


用更少的代码分析和清理数据

MATLAB 实时编辑器任务和 App 支持您以交互方式执行迭代任务,如清理数据、训练机器学习模型或标注数据。然后,这些任务和 App 会生成所需的 MATLAB 代码,以编程方式重现您以交互方式完成的工作。

使用一系列预置函数来识别和清理传感器漂移、信号离群值、缺失数据和噪声。通过联接表和同步时间序列数据来组合单独的数据集。实时编辑器任务支持您在实时脚本中以交互方式求解这些问题,并为您生成代码。数据清理器有助于识别数据问题,并以迭代方式配置和应用多种清理方法来清理时间序列数据。


轻松扩展您的分析

使用 parfor 循环和多处理器硬件来加速并行分析,几乎不需要更改代码。创建 gpuarrays,让适当的算法充分利用 GPU 加速。使用 tall 数组处理无法放入内存的数据集,这会在整个数据分析工作流中重载数百个函数来处理无法放入内存的数据。


从实时编辑器导出的 Word 文档

共享您的结果

将您的分析打包到可随意共享的软件组件中,例如可执行文件、C/C++ 库、.NET 程序集、Java® 库和 Python® 包。自动将您的 MATLAB 代码转换成 C 和 C++ 代码,以便部署到嵌入式目标。使用 MATLAB 实时编辑器记录您的工作,并将结果导出为 PDF、Microsoft® Word、LaTex 和 HTML 格式的报告。