Math

阅读(194) 标签: 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.impute()

建模时,对变量执行缺失值填补

Ø  A.mi()

根据变量,创建缺失值指示变量

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.range()

将数值序列中的数据调整到某个区间

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

Ø  chi2inv()

卡方逆累积分布函数

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

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()

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  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  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  tinv()

T逆累积分布函数

Ø  ttest_p()

计算T检验的p

Ø  zeros()

新建元素全部为0的多维矩阵