温馨提示：需求数量不同，价格不同。请联系我们，确认当前新的报价！
Chemometrics Toolbox 提供了 70 多种用于化学计量校准的专用 MATLAB 函数。它使您能够使用方法（例如潜在变量中的多元线性回归、主成分回归和偏小二乘法）执行定量和定性分析。化学计量学将数据组织成矩形，以便对齐进行处理以创建校准或提取有用信息。这使得MATLAB成为化学计量学的理想环境。
Chemometrics Toolbox 提供化学家、生物学家、科学家和工程师开发和验证与复杂过程分析仪和实验室仪器一起使用的校准所需的全面功能。Chemometrics Toolbox 旨在提高生产力，提供的工具使用户能够快速轻松地将化学计量技术应用于数据，使他们能够对其应用进行定量和定性分析，同时保持对数学的信心。
为了简化校准的工业部署并消除与版本相关的维护问题，Chemometrics Toolbox与在所有平台上运行的所有 MATLAB 版本保持兼容。有些人成功地将Chemometrics Toolbox与 Octave 结合使用，这是一个开源 MATLAB 克隆，可使用。
特征
超过 70 种专门的化学计量学功能
经典小二乘法 (K-matrix) 多元线性回归
逆小二乘法 (P-matrix) 多元线性回归
主成分分析（PCA 或因子分析）
主成分回归 (PCR)
偏小二乘法 (PLS)
聚类分析
用于基于因子的方法的模型制定的指标函数
绘图和可视化功能
逐键入门教程
重点介绍
多元线性回归 (MLR) 技术。化学计量学工具箱包括用于生成定量校准的核心程序。主要功能包括：经典小二乘法（CLS 或 K 矩阵）、逆小二乘法（ILS 或 P 矩阵）和 Q 矩阵方法。
基于因素的技术。该工具箱包括基于因子的方法，用于生成定量校准和获得对数据的定性洞察。主要功能包括：主成分分析（PCA 或因子分析）、主成分回归 (PCR)、偏小二乘法 (PLS) 和 PLS 回归矩阵（无需迭代 PLS 预测）。
指标功能。 包含完整的指标函数系列，以帮助在使用基于因子的技术时制定正确的模型：减少特征值指标、减少特征值的双向 F 检验、拟合训练数据、拟合验证数据、分数指标函数、交叉验证和预测残差平方和 (PRESS)。
绘图。多个绘图命令可以轻松查看数据和发现模式，例如在单个图形中绘制多达四个统计指标函数，以及绘制分数与分数以使用基于因子的技术可视化数据集群。
