Statistics Toolbox

新特性

R2014a (版本 9.0)

发行时间: 2014年3月6日

9.0 版是 Release 2014a 的一部分,它提供了以下增强功能:

  • 使用每个对象的多个测量值反复测量数据建模
  • fitcsvm 函数,用于提升二进制分类的支持向量机 (SVM) 性能
  • evalclusters 方法,用于扩大群集数量和差距标准仿真数量
  • 通过 multcompare 函数输出 p
  • mnrfitlassoglm 和 fitglm 函数接受分类变量作为响应
  • 函数接受 输入作为数据集数组输入的替代
  • 函数和模型属性返回一个,而非一个数据集数组

有关详细信息,请参阅发行说明

立即更新

往期新闻稿

R2013b (版本 8.3) - 2013年9月5日

8.3 版是 Release 2013b 的一部分,它提供了以下增强功能:

  • 线性混合效应模型
  • 概率分布和描述性统计函数的代码生成(使用 MATLAB Coder)
  • evaluatecluster 函数,用于估计数据中的最佳群集数量
  • mvregress 函数,现在可接受设计矩阵(即使 Y 具有多个列)
  • 累积分布函数的上限尾部概率计算

有关详细信息,请参阅 发行说明

R2013a (版本 8.2) - 2013年3月7日

8.2 版是 Release 2013a 的一部分,它提供了以下增强功能:

  • 用于二进制分类的支持向量机 (SVM)(之前位于 Bioinformatics Toolbox 中)
  • 针对缺失数据的主成分分析的概率性 PCA 和交替最小二乘算法
  • Anderson-Darling 拟合优度检验
  • 决策树性能改进和具有许多级别的分类预报器
  • scatterhist 函数中提供分组和核密度选项

有关详细信息,请参阅发行说明

R2012b (版本 8.1) - 2012年9月11日

8.1 版是 Release 2012b 的一部分,它提供了以下增强功能:

  • Boosting 算法可用于不平衡数据、稀疏集成和多类促进,能够自行终止
  • Burr 分布适用于在保留单一的密度函数形式时表达广泛的分布形状
  • 使用 MATLAB 导入工具可将数据导入数据集数组
  • 主成分分析增强功能适用于将 NaN 处理为缺失数据(加权 PCA),并选择 EIG 或 SVD 作为底层算法
  • 使用 Parallel Computing Toolbox 加速 K 均值聚类

有关详细信息,请参阅发行说明

R2012a (版本 8.0) - 2012年3月1日

8.0 版是 Release 2012a 的一部分,它提供了以下增强功能:

  • 增强了使用线性、广义线性和非线性回归进行拟合、预测和绘图的界面
  • 查看、编辑和绘制 MATLAB Variable Editor 中的数据集数组
  • 逻辑回归和其他广义线性模型的规则化和收缩
  • k 最近邻点的分类
  • 用于减少数据维度、处理丢失的数据和估计预报器重要性的随机子空间集成
  • 通过协方差矩阵规则化和预报器差异阈值进行的线性判别分析

有关详细信息,请参阅发行说明