Statistical and Machine Learning Toolbox™ предоставляет функции и приложения для описания, анализа и моделирования данных. Вы можете использовать описательную статистику, визуализации и кластеризацию для исследовательского анализа данных; сопоставлять вероятностные распределения с данными; генерировать случайные числа для моделирования по методу Монте-Карло и выполнять тесты гипотез. Алгоритмы регрессии и классификации позволяют делать умозаключения из данных и строить прогнозные модели либо интерактивно, используя приложения Classification and Regression Learner, либо программно, используя AutoML.

Для многомерного анализа данных и извлечения характеристик, инструментарий обеспечивает анализ основных компонентов (PCA), регуляризацию, уменьшение размерности и методы выбора характеристик, которые позволяют идентифицировать переменные с наилучшей прогнозирующей способностью.

Инструментарий предоставляет управляемые, полууправляемые и неуправляемые алгоритмы машинного обучения, включая вспомогательные векторные машины (SVM), расширенные деревья решений, k-средние и другие методы кластеризации. Вы можете применять такие методы интерпретации, как диаграммы частичной зависимости и LIME, а также автоматически генерировать C/C++ код для встроенного развертывания. Многие алгоритмы инструментальных средств могут быть использованы на наборах данных, которые слишком велики, чтобы храниться в памяти.