1，出现了什么问题（用统计分析，综合评价，分类判别）
（一）综合评价类（五大要素：被评价对象，问题中所研究的对象或者系统
评价指标，评价对象或系统的运行发展状况的基本要素
权重系数，针对评价目的，各评价指标之间的重要性
综合评价模型，多个指标总合成一个整体的评价指标
评价者，直接参与评价的人）
（步骤：1确定综合评价目的（分类，排序）
2建立指标评价体系
3对指标数据作预处理（一致化，无量纲化处理）
4
）
一，判断对象属于哪一类：模糊综合评价算法（经济学领域多因素，多层次的复杂问题）
灰色关联分析法（数据量较小，样本数据具有时间序列特性）
topsis综合评价算法（指标相对较多，各指标之间保持独立）
神经网络算法（评价新颖问题，传统方法难获得指标权重）
二，对评价对象进行排名：主成分评价算法，
因子分析，
投影寻综合评价
（二）分类与判别（监督分类：聚类，非监督分类）
一，分类算法：模糊聚类
层次聚类
系统聚类
密度聚类
k-mean聚类
二，判别算法：贝叶斯判别
费舍尔判别
模糊识别
神经网络
支持向量机
2，现象如何发生（关联与因果分析，比较分析）
（一）关联与因果
一，两个变量之间：person相关系数
sperman相关系数
kendall秩相关系数
copula相关系数
二，一个变量对多个变量：标准化回归算法
路径分析算法
三，多个变量对多个变量：典型相关系数
偏最小二乘法
四 ，研究多个变量之间的内部关系：主成分分析
因子分析
岭回归
五，因果检验：格兰杰因果检验
协型检验
3，未来如何发展（预测与预报分析）
（一）预测与预报（定性预测，定量预测，综合预测）
一，单序列预测：灰色预测（数据量较小，进行中短期预测）
时间序列预测（定量预测）（预测随时间变化，进行中长期预测）{移动平均
指数平滑
bos-jenkins法
}
小波分析预测
马尔科夫预测（系统未来时刻的情况之和现在有关和过去无关）
神经网络预测（少见）（数据量较大，自变量维度较高）
二，回归分析预测（定量预测）(自变量和因变量之间的逻辑相关性）：线性回归
非线性回归
logistics回归
probit回归
微分方程回归
向量自回归
偏最小二乘回归
4，现在应如何优化控制（优化与控制分析）
（一）优化与控制（有无约束最优化或是否线性规划）：
线性规划（目标函数与约束函数均为线性函数）
参数规划
0-1规划
非线性规划与智能优化算法
多目标规划和目标规划
动态规划
网络优化
排队论与计算机仿真
模糊规划
随机优化
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
