MATLAB Data Analysis 是一个用于 MATLAB 数据分析管线的技能，适用于从数据开始、最终产出经过验证的数值、图形或报告的工作流。
用途 该技能用于构建 MATLAB 分析流程，覆盖表格（tables）、时间表（timetables）、统计、拟合、优化辅助分析、可视化以及报告产物。其核心目标不是单纯画图，而是让分析结果具备可验证性和可复现性。
工作流
- 在编写代码前，先清点输入文件与数据结构（schema）。
- 使用带类型的 API 加载数据，例如 readtable、readtimetable、matfile、datastore 或工具箱导入器。
- 显式规范化单位、时区、缺失值、分类字段和异常值。
- 将分析构建为函数加一个轻量运行脚本（thin runner script）。
- 将清洗后的数据、图形和汇总指标保存到 artifacts/ 目录下。
- 通过形状检查、范围检查以及至少一个数值断言进行验证。
API 偏好
- 对带标签数据使用 tables 和 timetables。
- 使用 groupsummary、rowfun、varfun、synchronize 和 retime 进行结构化变换。
- 仅在确认工具箱可用后，使用 fitlm、fitnlm、fitrgp、fitcsvm 或 fitcensemble。
- 当简单回归不足时，使用 optimproblem 或求解器 API 进行带约束的拟合。
- 导出图形时明确指定尺寸、分辨率和格式。
可复现图形 每个复现的论文图形应包含：
- 源数据来源（provenance）。
- 使用的脚本名称和命令。
- 如适用，随机种子。
- 坐标轴标签、单位、图例和保存的图像路径。
- 在可能的情况下，提供一个简单指标来比较复现结果与参考结果。
验证 可使用如下检查： assert(height(T) > 0) assert(all(isfinite(metrics.rmse))) assert(isfile(fullfile(outDir, "figure_1.png")))
除非底层数值汇总也合理，否则不应将一张图视为“完成”。
适用场景 适用于需要以 MATLAB 进行数据分析、统计建模、拟合、优化辅助分析、可视化与报告生成的场景，尤其是要求结果可验证、图形可复现的分析任务。
限制 资料未提供该技能的具体安装方式、依赖版本、收费情况、平台限制或性能指标，这些信息暂未提供。