XLSTAT 版本 2022.1 - 数据挖掘

2022年2月2日

XLSTAT 2022.1 为探索性数据分析和聚类提供了新的可能性——无论您的领域是什么。 发现 XLSTAT 的新功能！

去趋势对应分析

Hill 和 Gauch (1980) 提出的去趋势对应分析是经典对应分析 (CA)的替代方法，后者研究特定案例中两个定性变量之间的关联。

我们如何使用它？
这种流行的多元分析工具被广泛用于探索生态学中潜在的稀疏社区数据矩阵。它的目的是纠正使用经典 CA 时遇到的两个缺点：“弧效应”和 CA 压缩轴末端点之间距离的趋势。

去趋势对应分析有什么新变化？
在对应分析对话框的 选项选项卡中，您将在高级分析字段下找到去趋势对应分析的新选项。如果您选择此选项，您可以输入对计算有用的参数，即要切割轴的段数和要执行的重新缩放次数。默认情况下，分段数设置为 26，重新缩放次数设置为 4。

在同一选项卡中，您还可以找到Rotation的新选项：现在可以使用“Quartimin”或“Varimax”方法对主坐标矩阵之一应用旋转。

在分析数据菜单下访问这个新功能（所有 XLSTAT 解决方案）

缺失值的模式

插补方法允许您在运行分析之前完成或清理数据集。XLSTAT 缺失数据工具中提供了不同的方法。

我们如何使用它？
例如，在调查中，您可能会得到空的回答或“无”和“99”等值，因为受访者经常跳过问题。根据变量的类型和建模目的，必须删除或估算这些值。

缺失值模式有什么新变化？
在此版本中，我们在缺失数据对话框中添加了一个新选项，可帮助您更好地了解数据集中缺失值的模式。为此，执行多重对应分析 (MCA)。在输出表中，将显示一个因子图，说明具有缺失数据的变量与没有缺失数据的变量之间的联系。

在准备数据菜单下访问这个新功能（所有 XLSTAT 解决方案）

k-均值聚类

K-means 聚类是一种无监督机器学习算法，旨在解决分类问题。它有许多优点，例如：

1. 一个对象可以在一次迭代中分配给一个类，然后在下一次迭代中更改类，这在凝聚层次聚类(AHC) 中是不可能的。
2. 通过将起点和重复次数相乘，可以探索几种解决方案。

我们如何使用它？

这种流行的探索性数据分析技术可用于客户细分、保险欺诈检测、文档聚类、图像分割和许多其他应用。
查看本教程，我们尝试根据人口统计数据创建美国各州的同质集群。

K-means 聚类有什么新东西？

有两个额外的相异指数可用（常规选项卡）。建议使用余弦相异性来分析文本数据。Jaccard 索引推荐用于需要精细分析的数据集。

在选项选项卡中，我们添加了K++ 和 K|| 初始分区字段中的算法。这定义了在聚类算法的第一次迭代中将对象分配给类的方式。

添加了一个预测选项卡以识别新观察的集群。

剪影分数（Silhouette scores）已添加到输出中。该指标将帮助您计算聚类算法的优劣。
在机器学习下访问此新功能（除 Basic 之外的所有 XLSTAT 解决方案）

单变量聚类

单变量聚类是一种数据挖掘技术，旨在基于单个变量对个体/对象进行分组。

我们如何使用它？

例如，您可以在感官数据分析中使用单变量聚类，根据他们对产品的评价创建消费者组。您还可以根据年降雨量对城市进行分组，根据运动员的表现将运动员分组，根据年龄创建客户组等。
查看我们的示例，根据学生的成绩将每门课程的学生分成不同的学习组

单变量聚类有什么新功能？

单变量聚类的 XLSTAT 算法已经过优化。计算更快、更精确。已进行了多项修复。
在分析数据菜单下访问这个新功能（所有 XLSTAT 解决方案）

主成分判别分析

主成分的判别分析旨在识别和描述个体集群。首先，它运行PCA，然后在 PCA 的主要组件上运行 LDA。

我们如何使用它？

这一新功能是专门为基因结构人群开发的。在这里，我们有一个示例，该示例根据其基因座中不同等位基因的数量来描述个体集群。

在 XLSTAT-R 菜单下访问此新功能（除 Basic 之外的所有 XLSTAT 解决方案）

如何获得 XLSTAT 2022.1？

版本 2022.1 将使您能够访问上述所有改进、高级选项并提高软件的性能。建议所有用户安装我们的新版本。

CALL or EMAIL 有关订购XLSTAT软件的更多信息，请联系我们的产品销售代表： 400-621-1085 021-50391087 或点击下面的图片，在线提交购买咨询信息 留言询价

联系我们 销售咨询 产品咨询 淘宝店铺	快速链接 概述 解决方案 最新更新：2022.1 下载试用