数学建模
才大难为用
我不懒
展开
-
2021-02-05
间隔估计是使用样本数据来计算未知总体参数的可能(或可能)值的间隔,与点估计(单个数)相反。物种分布模型https://max.book118.com/html/2017/0604/111474375.shtm解释并分析大黄蜂的传播是否可以预测?精度如何?关于第一个问题,我们就要做一个地理可视化,就是将那个全部的数据,根据时间和经纬度标注在地图上,然后就是标注在第一天那个确定性的事件发生在地图上哪些位置,第二天这个范围又扩大到哪个位置?第三天又扩大到哪个位置?第四天又扩大到哪个位置?...原创 2021-02-05 22:22:00 · 202 阅读 · 0 评论 -
MCM&ICM
1. Introduction1.1 Background在Covid-19 爆发之际, JEE 和 GHSI显然并没有正确的预测疫情爆发情况,GHSI之所以预测失准,很大程度上是因为它将查阅不到的信息直接给0分。即使这个国家的确存在各种法案与行动,但这个国家的很多信息并没有向外公开,以至于查阅不到的话,那么这个国家的GHSI评价必然会低,排名就必然靠后。在公开信息中没有相应的数据并不代表这个国家没有采取相应行动。这就是GHSI预测失准的一个重要原因。1.2 Our Work我们引入了一个置信度的概原创 2021-02-03 18:27:42 · 667 阅读 · 0 评论 -
数学建模 之 主成分分析
PCA能做的事其实很有限,那就是:降维。越降维,维度就会越有意义。下面说明PCA做法首先这里有n行样本,每行样本有m个特征,我们想把它压缩成k个特征。然后求出每列的均值,然后用每列减之。然后求这个矩阵的列协方差矩阵(m*m的矩阵了)。然后求这个协方差矩阵的特征值,一共m个。我们挑取前k个,算出其特征向量,组成m*k的矩阵。然后用被减去均值的矩阵乘之,就是最后的结果。最后就是这样的算法。...原创 2021-01-27 17:21:05 · 295 阅读 · 0 评论 -
数学建模 之 卷积网络
说实话,卷积网络真的很明白了,但是反向传播是没有那么懂。卷积,就是用卷积核收缩,它的作用一是用来提取特征,二是用来减少参数,池化呢,就是抗锯齿,其实也是为了减少参数,自己的话说呢,就是先来一次权值抗锯齿,然后来一次中心抗锯齿。就是如此。神经网络,我称之为交叉方程组。SVM就是平行方程组。平均(中心)抗锯齿必然是损失信息了的。第一个问题是卷积核用不用动态变化,二是如何透过卷积核求导?关键是,池化层没有激活函数,言下之意是卷积层有激活函数,...原创 2021-01-26 22:47:57 · 520 阅读 · 0 评论 -
数学建模 之 EM算法
EM算法就是求隐变量的。例如马尔科夫链的隐变量。我们可以先猜想隐含数据(EM算法的E步),接着基于观察数据和猜测的隐含数据一起来极大化对数似然,求解我们的模型参数(EM算法的M步)。我们基于当前得到的模型参数,继续猜测隐含数据(EM算法的E步),然后继续极大化对数似然,求解我们的模型参数(EM算法的M步)。以此类推,不断的迭代下去,直到模型分布参数基本无变化,算法收敛,找到合适的模型参数。例如身高统计,男女不知,就这么一串数字。可以先确定男生的分布为N(175, 5)(必须知道分布,就像极大似原创 2021-01-26 20:28:34 · 442 阅读 · 0 评论 -
数学建模 之 奇异值分解SVD
这名字还挺好听的,SVD。奇异值分解,跟 把一个向量拆成一组正交向量之和是一回事。只不过这里的向量是矩阵。σ(拆出来的矩阵)就是坐标。数学里面,因式分解,泰勒展开,傅里叶变换,特征值分解,奇异值分解,通通是这个路数。就是把当前数据表示成一组某种意义下特征相互独立(不能互相表达)的数据叠加的形式。目的就是便于处理,或者舍弃次要信息(使得每个元素都能最大程度表达信息)如果方阵对某个向量只产生伸缩,而不产生旋转效果,那么这个向量就称为矩阵的特征向量,伸缩的比例就是对应的特征值。所以说,其实特征向量才是原创 2021-01-26 19:59:25 · 531 阅读 · 0 评论 -
数学建模 之 ARCH模型和GARCH模型
什么是回归?就是一个连续方程,这就是回归,为啥起这么恶心的名字?回归最早是遗传学的术语,大概是19世纪后期,指的是不管父母的身高有多少,后代身高都会向平均身高靠近,叫做回归。比如平均身高160,A的父母平均身高170,B的父母平均身高150,A身高是165, B身高155这种现象。很多计量术语都是从生物学借鉴,比如,对照组和实验组,也是最早研究药效用的,计量经济学就是仿照生物计量学命名的。这么说来也不差。线性回归的英文regression towards the mean。mean在英文中是平均值的意原创 2021-01-26 18:37:50 · 6079 阅读 · 0 评论 -
数学建模 之 灰色关联分析GRA
灰色关联分析一句话,就是按照重要性对因素进行排序。但是算法还是很有东西的。归一化normalization,或者叫无量纲化不然不同的如何,emmm解决呢,对吧。就是减少数据的绝对数值的差异,将它们统一到近似的范围内,然后重点关注其变化和趋势。如果不做处理必然导致大的数值的影响会”淹没“掉小数值的变量的影响。所以我们要对数据进行归一化处理,主要方法有如下几个:(1)初值化:顾名思义,就是把这一个序列的数据统一除以最开始的值,由于同一个因素的序列的量级差别不大,所以通过除以初值就能将这些值...原创 2021-01-26 17:45:14 · 723 阅读 · 0 评论 -
数学建模 之 各种回归
OLS普通最小二乘法,原创 2021-01-26 10:19:08 · 317 阅读 · 0 评论