数学建模——灰色关联分析【工具:Excel】【全文5500字】


笔者将会尽量用很通俗的语言来描述。

数学建模系列文章——总结篇《数模美一国一退役选手的经验分享[2021纪念版]》.


一、灰色关联分析是什么?

  灰色关联度分析(Grey Relation Analysis,GRA),是一种多因素统计分析的方法。简单来讲,就是在一个灰色系统中,我们想要了解其中某个我们所关注的某个项目受 其他的因素 影响的相对强弱
  再直白一点,就是说:我们假设已经知道某一个指标可能是与其他的某几个因素相关的。那么我们想知道这个指标与其他哪个因素,相对来说更有关系,而与哪个因素相对关系弱一点。依次类推,把这些因素排个序,得到一个分析结果,我们就可以知道我们关注的这个指标,与因素中的哪些更相关。

  补充 : 灰色系统这个概念的提出是相对于白色系统和黑色系统而言的。按照控制论的惯例,颜色一般代表的是对于一个系统我们已知的信息的多少,白色就代表信息充足,比如一个力学系统,因素之间的关系都是能够确定的,这就是一个白色系统;而黑色系统代表我们对于其中的结构并不清楚的系统,通常叫做黑箱或黑盒的就是这类系统。灰色介于两者之间,表示我们只对该系统有部分了解。


二、灰色关联分析有什么用?

	举一个简单的栗子,在某一个城市里有个网吧,它的总收入和其他数据如下。
	然后问你一个问题,你觉得 这个网吧的总收入 和 那些数据 更具有相关性。(不妨花费5秒看一看)

在这里插入图片描述
  显然,我们单靠眼睛看还是很难看出。接下来我们可以用灰色关联分析,就能挖掘其主要因素。
  注:知道有什么用、怎么用即可。如要了解详细的原理,可以看看文章最后的 参考附录
  在下面的用法中,我也将会简单地、通俗地穿插其原理。




三、灰色关联分析的适用范围?

样本数量较少时,使用关联分析最佳。
而当样本数量较多时,一般使用标准化回归。



四、灰色关联分析怎么用?


  不管是用matlab,还是Excel,都是可以的,鉴于方便起见,我用Excel吧,后面有文章更新时,我在加上matlab的方法吧。

  先上方法~


①第一步:求平均值

作用:去量纲的前一步操作

在这里插入图片描述
即求每一列数据的平均值。(输入公式,拖入数据)

在这里插入图片描述


②第二步:均值化(也可以用初值化)

作用:去量纲
补充:那为什么要去量纲呢?
因为在这几列数据中,有些列的单位是不同的(比如 D列 和 E列 )。我们为了消除单位所带来的差异,去掉数据的“外壳”。就将每一列的每个数据除以 该列数据的平均值 ,之后,即可得到一个“相对值”(好好体会吧),一个可以认为是没有了单位的 “相对数值”
在这里插入图片描述
注:“$”是锁定 编号为 ‘17’ 这一行的意思。 然后拖动数据框,得到如下结果。

在这里插入图片描述


③第三步:取绝对值

为什么要取绝对值?
因为要让 子序列(即 D列、E列、F列、G列) 和 母序列(即C列的 “网吧总收入” ) 进行比较,就要使双方产生 关系 ,只不过在灰色关联分析的方法中,是通过 “取绝对值” 产生的关系。

灰色关联度的公式详见“⑤”。

在这里插入图片描述
注:“$”是锁定 编号为 ‘C’ 这一列的意思。ABS()函数是用来取绝对值的。 然后拖动数据框,即可得到结果。


④第四步:计算出 最最大值 和 最最小值

在这里插入图片描述

注:为什么我叫它最最小值呢?就是在所有 “行+列” 中的最小值。最最大值同理。


⑤第五步:使用灰色关联度公式

这个是计算灰色关联度的公式:

<1> ρ是分辨系数,一般取0.5。我用 Excel 计算时也用的 0.5。
<2> “ min min | x0(k) - xi(k) | ” 就是 “最最小值” 的意思
<3> “ max max | x0(k) - xi(k) | ” 就是 “最最大值” 的意思
在这里插入图片描述

在这里插入图片描述

注:“$B$45”中的两个 $ 的意思是,锁定“B”这一列和“45”这一列,也就是锁定“B45”这一个单元格。


⑥第六步:求灰色关联度

在这里插入图片描述

注:求关联度也就是,求每一列的平均值。


⑦第七步:最终结果

在这里插入图片描述

注:灰色关联度的取值范围为 [0, 1],而值越大的说明灰色关联度越大。比如,从表格中,我们可以看见,“附近居民数量”的灰色关联度为0.862…,值最大,说明它和“网吧总收入”的相关性最强,而与“网吧的环境资金投入”的相对关系最弱


参考附录:

[1] 《灰色关联度分析(GRA)原理详解》,通过这篇文章,你可以比较系统地学习到:灰色关联分析原理
链接: 灰色关联度分析(Grey Relation Analysis,GRA)原理详解.

[2] 《灰色关联分析法》:来自百度百科
链接: 灰色关联分析法.

数学建模系列文章——总结篇《数模美一国一退役选手的经验分享[2021纪念版]》.


🍋

数学建模2017b灰色关联分析是一种常用的数据分析方法,它可以用来研究变量之间的相关性,并衡量它们之间的关联程度。下面是一份关于数学建模2017b灰色关联分析的代码示例: 1. 导入所需的库和模块: ```python import numpy as np import pandas as pd from scipy.stats import pearsonr ``` 2. 定义计算灰色关联度的函数: ```python def grey_relation_coefficient(X, Y): # 对原始数据进行标准化处理 X_norm = (X - np.min(X)) / (np.max(X) - np.min(X)) Y_norm = (Y - np.min(Y)) / (np.max(Y) - np.min(Y)) # 计算灰色关联系数 coefficient = np.abs(X_norm - Y_norm).sum() / np.abs(X_norm - Y_norm).max() return coefficient ``` 3. 读取数据: ```python data = pd.read_csv('data.csv') # 假设数据保存在data.csv文件中 ``` 4. 进行灰色关联分析: ```python # 定义变量X和变量Y X = data['变量X'] Y = data['变量Y'] # 计算灰色关联度 coefficient = grey_relation_coefficient(X, Y) ``` 5. 输出结果: ```python print('灰色关联度为:', coefficient) ``` 上述代码以Python为例,展示了如何进行数学建模2017b灰色关联分析。其中,函数`grey_relation_coefficient`定义了计算灰色关联度的过程,通过对原始数据进行标准化处理,计算变量X和变量Y之间的关联程度。最后,通过读取数据、调用函数并输出结果,完成了整个灰色关联分析过程。请根据具体的数据和分析目的,进行相应的修改和优化。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

一支王同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值