Math

Ø  A.bi()

建模时，将分类数不高于6的低频分类枚举变量，拆分为多个二值变量

Ø  A.corskew()

对数值序列纠正偏度

Ø  A.datederive()

日期时间型变量，生成多个衍生变量

Ø  A.dateinterval()

日期时间型变量，衍生出多个日期差值变量

Ø  A.fillcons()

使用常量值填充缺失值

Ø  A.fillfun()

用指定值填充缺失值

Ø  A.fillmthd()

按指定方法填充缺失值

Ø  A.impute()

建模时，对变量执行缺失值填补

Ø  A.ismiss()

查找向量中的缺失值

Ø  A.ismissm()

查找矩阵中的缺失值

Ø  A.mi()

根据变量，创建缺失值指示变量

Ø  A.movmthd()

移窗法填充缺失值

Ø  A.mvp()

根据多个缺失值指示变量，创建MVP指示变量并自动后续处理

Ø  A.numnorm()

建模时，对于数值变量，执行归一化处理

Ø  A.rmmiss()

删除向量中的缺失值

Ø  A.rmmissdim()

删除矩阵中缺失值所在的⾏/列

Ø  A.sert()

建模时，对于数值变量，清理异常值

Ø  A.setenum()

把枚举值映射为整数

Ø  A.smooth()

建模时，对变量执行平滑化处理

Ø  A.tarcorskew()

对数值型目标变量序列纠正偏度

Ø  chi_p ()

计算卡方检验的p值

Ø  chi2inv()

卡方逆累积分布函数

Ø  comabs()

计算复数序列的模

Ø  comangle()

计算相位角

Ø  comconj()

计算复数的复共轭

Ø  comexp()

构造复指数

Ø  comimage()

获取复数的虚部

Ø  compair()

将复数排序为复共轭对组

Ø  complex()

创建复数序列

Ø  comreal()

获取复数的实部

Ø  comsign()

只处理复数的符号函数

Ø  comstr()

输出为字符串a+bi

Ø  comunwrap()

平移相位角

Ø  cov()

计算两个向量的协方差

Ø  covm()

计算矩阵的协方差矩阵

Ø  dism()

计算两个向量在协方差矩阵下的马氏距离

Ø  elasticnet()

用弹性网络回归建模和预测

Ø  eye()

新建矩阵，主对角线元素为1，其它为0

Ø  finv()

F逆累积分布函数

Ø  fisher_p()

计算Fisher检验的p值

Ø  freq()

计算序列中成员出现的频度

Ø  kmeans()

无监督聚类算法，在最小化误差函数的基础上将数据划分为预定的类数

Ø  lasso()

用lasso回归建模和预测

Ø  lineplan()

线性规划，求解线性约束条件下线性目标函数极值问题

Ø  makimamthd()

修正Akima分段三次Hermite插值

Ø  mcumsum()

矩阵或多维矩阵中累积求和

Ø  mfind()

在向量或矩阵中查找非0成员位置

Ø  mmean()

矩阵或多维矩阵中求均值

Ø  mnorm()

矩阵或多维矩阵归一化处理

Ø  mstd()

矩阵或多维矩阵中计算标准差

Ø  msum()

矩阵或多维矩阵中汇总求和

Ø  norminv()

正态逆累积分布函数

Ø  ones()

新建元素全部为1的多维矩阵

Ø  P.bi()

建模时，将分类数不高于6的低频分类枚举变量，拆分为多个二值变量

Ø  P.corskew()

对数值变量纠正偏度

Ø  P.datederive()

对日期型变量，生成多个衍生变量

Ø  P.dateinterval()

对多个日期时间型变量，衍生出多个日期差值变量

Ø  P.impute()

建模时，对P中的变量，执行缺失值填补

Ø  P.mi()

建模时，创建缺失值指示变量

Ø  P.mvp()

根据多个缺失值指示变量，创建MVP指示变量并自动后续处理

Ø  P.numnorm()

建模时，对于数值变量，执行归一化处理

Ø  P.sert()

建模时，对于数值变量，清理异常值

Ø  P.setenum()

建模时，把枚举型变量映射为整数

Ø  P.smooth()

建模时，对P中的变量，执行平滑化处理

Ø  P.tarcorskew()

对数值变量纠正偏度

Ø  pca()

对矩阵进行主成分分析，返回降维用的信息

Ø  pchipmthd()

分段三次Hermite插值多项式

Ø  pls()

用偏最小二乘法拟合矩阵和预测

Ø  ridge()

用岭回归建模和预测

Ø  se()

计算数值序列的标准误

Ø  sg()

对向量或矩阵的每行做SG平滑化

Ø  skew()

计算数值序列的偏度

Ø  splinemthd()

三次样条数据插值

Ø  svm()

支持向量机，可用于解决二分类问题和回归问题

Ø  tinv()

T逆累积分布函数

Ø  ttest_p()

计算T检验的p值

Ø  zeros()

新建元素全部为0的多维矩阵