14 KiB

Raw Permalink Blame History

数学函数 - 多元统计分析

文档类型：函数事实页是否可直接用于生成代码：是；本页函数条目均包含参数表遇到不确定时：回到 ../math.md、../../index.md

本页收录相关矩阵、协方差矩阵、距离、聚类、判别分析、主成分分析、因子分析和秩相关函数。

服务器多元统计函数

`corr(values, method[, tail])`

用途：计算相关系数矩阵；带 tail 时同时返回相关性检验 P 值矩阵。

参数个数：2 到 3 返回值：数值矩阵/数组；带 tail 时返回 [相关系数矩阵, P值矩阵]

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵
2	`method`	是	整数	相关系数计算方式
3	`tail`	否	字符串	检验方向；常用 `"both"`、`"left"`、`"right"`

`correlationMatrix(values, method)`

用途：计算相关系数矩阵。

参数个数：2 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵
2	`method`	是	整数	相关系数计算方式

`covariance(values)`

用途：计算协方差矩阵。

参数个数：1 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵

`corrcoef(values)`

用途：执行相关系数分析。

参数个数：1 返回值：数组表；包含 r、p、rlo、rup

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵

`corr_partial(x_values, y_values, z_values, method[, tail])`

用途：计算偏相关系数；带 tail 时同时返回检验结果。

参数个数：4 到 5 返回值：数值矩阵/数组表；带 tail 时包含 coef、pval、df

参数位置	参数名	必填	接收类型	说明
1	`x_values`	是	数值矩阵	第一组变量
2	`y_values`	是	数值矩阵	第二组变量
3	`z_values`	是	数值矩阵	控制变量
4	`method`	是	整数	相关系数计算方式
5	`tail`	否	字符串	检验方向；常用 `"both"`、`"left"`、`"right"`

`distance(values, right_or_method[, method])`

用途：计算向量距离，或计算矩阵样本两两距离。

参数个数：2 到 3 返回值：实数/数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组/数值矩阵	左向量，或样本矩阵
2	`right_or_method`	是	数值数组/字符串	三参形式下为右向量；二参形式下为距离方法名
3	`method`	否	字符串	三参形式下的距离方法名；常用 `"euclidean"`

`cluster_Kmeans(samples, class_count, options)`

用途：执行 K-means 聚类。

参数个数：3 返回值：数组；每个元素是一类样本下标数组

参数位置	参数名	必填	接收类型	说明
1	`samples`	是	数值矩阵	样本矩阵
2	`class_count`	是	整数	聚类数量
3	`options`	是	数组表	参数表；常见键包括 `maxiter`、`tol`、`distance`、`out`

`cluster_System(samples, distance_method, cluster_method[, output])`

用途：执行系统聚类。

参数个数：3 到 4 返回值：数组；三参返回谱系合并过程，四参且 output 包含 best 时返回最佳分类

参数位置	参数名	必填	接收类型	说明
1	`samples`	是	数值矩阵	样本矩阵
2	`distance_method`	是	整数	距离方法
3	`cluster_method`	是	整数	聚类方法
4	`output`	否	数组表	输出选项；如 `array("best": 1)`

`cluster_ward(samples)`

用途：执行 Ward 聚类。

参数个数：1 返回值：数组表

参数位置	参数名	必填	接收类型	说明
1	`samples`	是	数值矩阵	样本矩阵

`discrim(training_data, sample_data, method)`

用途：执行判别分析并返回待判别样本分类。

参数个数：3 返回值：数组；每个元素是对应待判别样本的分类编号

参数位置	参数名	必填	接收类型	说明
1	`training_data`	是	数值矩阵	训练数据；第一列为分类编号，其余列为特征
2	`sample_data`	是	数值矩阵	待判别样本特征矩阵
3	`method`	是	整数	判别方法参数

`princomp(values, contribution_rate, standardize, residual)`

用途：执行主成分分析。

参数个数：4 返回值：数组表

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵
2	`contribution_rate`	是	数值	累计贡献率阈值
3	`standardize`	是	整数	是否标准化的模式参数
4	`residual`	是	变量引用/`nil`	接收残差或相关输出；不需要时可传 `nil`

`factor(values, contribution_rate)`

用途：执行因子分析。

参数个数：2 返回值：数组表；包含 Correlation Matrix、kmo、Total Variance Explained 等结果项

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵
2	`contribution_rate`	是	数值	累计贡献率阈值

`corr_canonical(x_values, y_values, alpha, standardize)`

用途：执行典型相关分析。

参数个数：4 返回值：数组表；包含 Cor、XCoef、YCoef 等结果项

参数位置	参数名	必填	接收类型	说明
1	`x_values`	是	数值矩阵	第一组变量
2	`y_values`	是	数值矩阵	第二组变量
3	`alpha`	是	数值	显著性水平
4	`standardize`	是	整数	是否标准化的模式参数

`corr_Spearman(x_values, y_values)`

用途：计算 Spearman 秩相关系数。

参数个数：2 返回值：实数

参数位置	参数名	必填	接收类型	说明
1	`x_values`	是	数值数组	第一组数据
2	`y_values`	是	数值数组	第二组数据

`cov2CorrMatrix(covariance_matrix)`

用途：把协方差矩阵转换为相关系数矩阵。

参数个数：1 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`covariance_matrix`	是	数值矩阵	协方差矩阵

`corrMatrixAdjust(correlation_matrix)`

用途：修正相关系数矩阵。

参数个数：1 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`correlation_matrix`	是	数值矩阵	待修正的相关系数矩阵

`corr_Kendall(x_values, y_values)`

用途：计算 Kendall 秩相关系数。

参数个数：2 返回值：实数

参数位置	参数名	必填	接收类型	说明
1	`x_values`	是	数值数组	第一组数据
2	`y_values`	是	数值数组	第二组数据

`histc(values, bins)`

用途：按边界数组统计直方图计数。

参数个数：2 返回值：数组

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	待统计数据
2	`bins`	是	数值数组	分箱边界

`princaipalComponentAnalysis(values)`

用途：执行主成分分析并返回主因子得分结果。

参数个数：1 返回值：数组表；包含 F、F1、F2 等得分字段

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值矩阵	样本矩阵

`mbbub(values, index_output)`

用途：按数值排序并返回排序后的原始下标。

参数个数：2 返回值：数组；同时写入 index_output

参数位置	参数名	必填	接收类型	说明
1	`values`	是	数值数组	待排序数组
2	`index_output`	是	变量引用	接收排序后的原始下标数组

`eigen_Jacobi(matrix, eigen_values, eigen_vectors)`

用途：用 Jacobi 方法计算矩阵特征值和特征向量。

参数个数：3 返回值：无直接返回值；写入 eigen_values 和 eigen_vectors

参数位置	参数名	必填	接收类型	说明
1	`matrix`	是	数值矩阵	待分解矩阵
2	`eigen_values`	是	变量引用	接收特征值数组
3	`eigen_vectors`	是	变量引用	接收特征向量矩阵

`componentMatrix(eigen_values, eigen_vectors, max_eigen_values)`

用途：根据特征值和特征向量生成主成分载荷矩阵。

参数个数：3 返回值：数值矩阵；同时写入 max_eigen_values

参数位置	参数名	必填	接收类型	说明
1	`eigen_values`	是	数值数组	特征值数组
2	`eigen_vectors`	是	数值矩阵	特征向量矩阵
3	`max_eigen_values`	是	变量引用	接收主因子对应的特征根

`componentScoreMatrix(component_matrix, correlation_matrix)`

用途：根据载荷矩阵和相关系数矩阵生成因子得分系数矩阵。

参数个数：2 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`component_matrix`	是	数值矩阵	主成分载荷矩阵
2	`correlation_matrix`	是	数值矩阵	相关系数矩阵

`factorScoreMatrix(score_matrix, standardized_values)`

用途：根据因子得分系数矩阵和标准化样本矩阵生成样本公共因子得分。

参数个数：2 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`score_matrix`	是	数值矩阵	因子得分系数矩阵
2	`standardized_values`	是	数值矩阵	标准化后的样本矩阵

`rotatedComponentMatrix(component_matrix)`

用途：对主成分载荷矩阵做旋转处理。

参数个数：1 返回值：数值矩阵

参数位置	参数名	必填	接收类型	说明
1	`component_matrix`	是	数值矩阵	主成分载荷矩阵

`fScoreResult(factor_scores, max_eigen_values)`

用途：根据样本公共因子得分和主因子特征根生成综合得分结果。

参数个数：2 返回值：数组表；包含 F、F1、F2 等得分字段

参数位置	参数名	必填	接收类型	说明
1	`factor_scores`	是	数值矩阵	样本公共因子得分矩阵
2	`max_eigen_values`	是	数值数组/数值矩阵	主因子对应的特征根

14 KiB Raw Permalink Blame History Unescape Escape

数学函数 - 多元统计分析

服务器多元统计函数

corr(values, method[, tail])

correlationMatrix(values, method)

covariance(values)

corrcoef(values)

corr_partial(x_values, y_values, z_values, method[, tail])

distance(values, right_or_method[, method])

cluster_Kmeans(samples, class_count, options)

cluster_System(samples, distance_method, cluster_method[, output])

cluster_ward(samples)

discrim(training_data, sample_data, method)

princomp(values, contribution_rate, standardize, residual)

factor(values, contribution_rate)

corr_canonical(x_values, y_values, alpha, standardize)

corr_Spearman(x_values, y_values)

cov2CorrMatrix(covariance_matrix)

corrMatrixAdjust(correlation_matrix)

corr_Kendall(x_values, y_values)

histc(values, bins)

princaipalComponentAnalysis(values)

mbbub(values, index_output)

eigen_Jacobi(matrix, eigen_values, eigen_vectors)

componentMatrix(eigen_values, eigen_vectors, max_eigen_values)

componentScoreMatrix(component_matrix, correlation_matrix)

factorScoreMatrix(score_matrix, standardized_values)

rotatedComponentMatrix(component_matrix)

fScoreResult(factor_scores, max_eigen_values)

14 KiB

Raw Permalink Blame History

`corr(values, method[, tail])`

`correlationMatrix(values, method)`

`covariance(values)`

`corrcoef(values)`

`corr_partial(x_values, y_values, z_values, method[, tail])`

`distance(values, right_or_method[, method])`

`cluster_Kmeans(samples, class_count, options)`

`cluster_System(samples, distance_method, cluster_method[, output])`

`cluster_ward(samples)`

`discrim(training_data, sample_data, method)`

`princomp(values, contribution_rate, standardize, residual)`

`factor(values, contribution_rate)`

`corr_canonical(x_values, y_values, alpha, standardize)`

`corr_Spearman(x_values, y_values)`

`cov2CorrMatrix(covariance_matrix)`

`corrMatrixAdjust(correlation_matrix)`

`corr_Kendall(x_values, y_values)`

`histc(values, bins)`

`princaipalComponentAnalysis(values)`

`mbbub(values, index_output)`

`eigen_Jacobi(matrix, eigen_values, eigen_vectors)`

`componentMatrix(eigen_values, eigen_vectors, max_eigen_values)`

`componentScoreMatrix(component_matrix, correlation_matrix)`

`factorScoreMatrix(score_matrix, standardized_values)`

`rotatedComponentMatrix(component_matrix)`

`fScoreResult(factor_scores, max_eigen_values)`