![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
浅尝辄止_数学建模
ICISTRUE
寻找大佬们的小菜鸡...
展开
-
浅尝辄止_数学建模(笔记_时间序列分析及其SPSS实现)
文章目录一、时间序列分析1.具体步骤:二、基本知识1.时间序列数据2.时间序列的基本概念3.时间序列分解4.叠加模型和乘积模型二、SPSS软件处理时间序列1.数据预处理:补充缺失值2.定义时间变量3.时间序列图(时序图)4.季节性分解5.SPSS建立指数平滑模型一、时间序列分析时间序列分析大致可以分成三大部分,分别是描述过去、分析规律和预测未来。1.具体步骤:做时间序列图判断时间序列包含的变动成分时间序列分解(有周期性且包含长期趋势、季节变动或循环变动)建立时间序列分析模型预测未来的指标数原创 2020-09-04 14:23:18 · 3673 阅读 · 2 评论 -
浅尝辄止_数学建模(笔记__基于密度的聚类算法DBSCAN算法)
文章目录一、DBSCAN算法1.基本概念2.Matlab软件代码(DBSCAN算法)3.DBSCAN算法的优点4.DBSCAN算法的缺点二、几类聚类算法的使用建议一、DBSCAN算法DBSCAN是一种基于密度的聚类算法,聚类前不需要预先指定聚类的个数,生成的簇的个数不定(和数据有关)。该算法利用基于密度的聚类的概念,即要求聚类空间中的一定区域内所包含对象(点或其他空间对象)的数目不小于某一给定阈值。该方法能在具有噪声的空间数据库中发现任意形状的簇,可以将密度足够大的相邻区域连接,能有效处理异常数据。原创 2020-09-02 13:58:13 · 677 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_系统(层次)聚类算法及其SPSS实现)
文章目录一、系统(层次)聚类介绍1.分类准则2.算法的流程步骤2.样本与样本之间的距离计算公式4.类与类之间的距离5.聚类分析需要注意的问题二、系统聚类的SPSS实现三、用图形估计聚类个数1.原理2.绘制图形,辅助确定四、绘制聚类结果图一、系统(层次)聚类介绍系统聚类的合并算法通过计算两类数据点间的距离,对最为接近的两类数据点进行组合,并反复迭代这一过程,直到将所有数据点合成一类,并生成聚类谱系图。1.分类准则距离近的样本聚为一类2.算法的流程步骤计算n个样本两两之间的距离D构建n个类,每原创 2020-09-02 10:16:21 · 1202 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_K-means聚类算法)
文章目录一、聚类模型二、K-means聚类算法1.算法的流程步骤2.优点3.缺点三、K-means++算法1. 算法的流程步骤四、SPSS软件求解K-means++算法五、K-means++算法的一些讨论1.聚类的个数K值怎么定?2.数据的量纲不一致怎么办?一、聚类模型所谓聚类,就是将样本划分为由类似的对象组成多个类的过程。聚类后,可以更加准确在每个类中单独使用统计模型进行估计、分析或者预测;也可以探究不同类之间的相关性和主要差异。 聚类和分类的区别:分类是已知类别的,聚类的类别未知。原创 2020-09-02 06:47:53 · 524 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_用SPSS进行逻辑回归和Fisher线性判别分析)
文章目录分类模型分类模型原创 2020-09-01 15:29:27 · 2487 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_图论基本知识+最短路径算法)
文章目录图论图的基本概念图论图的基本概念 图论中的图是由若干给定的点及连接两点的线所构成的图形,这种图形通常用来描述某些事物之间的某种特定关系,用点代表事物,用连接两点的线表示相应两个事物之间具有这种关系。 一个图可以用数学语言描述为G(V(G),E(G))。V(vertex)指的是图的顶点集,E(edge)指的是图的边集。 根据是否有方向,可将图分为有向图和无向图。另外,有些图的边上还可能有权值,这样的图称为有权图。...原创 2020-08-29 22:16:31 · 362 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_线性回归)
文章目录线性回归分析一、一元线性回归1.一元线性回归模型2.对线性的理解对回顾系数的理解线性回归分析一、一元线性回归1.一元线性回归模型假设xxx是自变量,yyy是因变量,且满足如下线性关系:yi=β0+β1xi+μiy_i=β_0+β_1x_i+μ_iyi=β0+β1xi+μi,其中β0和β1β_0和β_1β0和β1为回归系数,μiμ_iμi为无法观测的且满足一定条件的扰动项。2.对线性的理解 线性假定并不要求初始模型呈现如yi=β0+β1xi+μiy_i=β_0+β原创 2020-08-28 16:32:58 · 747 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_回归分析的基本介绍)
文章目录一、回归分析1.基本介绍2.常见的类别3.回归分析的使命4.变量数据4.1.数据的分类4.2.不同数据的处理方式4.3.数据的收集一、回归分析1.基本介绍 回归分析是数据分析中最基础,也是最重要的分析工具。绝大多数的数据分析问题,都可以使用回归的思想来解决。回归分析的任务就是,通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进而达到通过X去预测Y的目的。2.常见的类别线性回归0-1回归定序回归计数回归生存回归类型模型Y的特点例子线性回归OLS原创 2020-08-24 15:11:15 · 305 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_典型相关分析)
文章目录一、典型相关分析1.基本思想2.思路3.如何求第一对典型相关变量?4.典型相关系数的显著性检验4.1样本数据的检验假设4.1.1步骤4.2 对典型相关系数的检验假设5.如何判断综合变量是否具有的代表性?二、他山之石一、典型相关分析典型相关分析是研究两组变量(每组变量中都可能有多个指标)之间相关关系的一种多元统计方法。它能够揭示出两组变量之间的内在联系。1.基本思想在每组变量中找出变量的线性组合,使得两组的线性组合之间具有最大的相关系数;选取和最初挑选的这对线性组合不相关的线性组合,使其原创 2020-08-22 19:18:40 · 1372 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_斯皮尔曼相关系数)
文章目录斯皮尔曼spearman相关系数1.定义斯皮尔曼spearman相关系数1.定义XXX和YYY为两组数据,其斯皮尔曼(等级)相关系数:其中,did_idi为XiX_iXi和YiY_iYi之间的等级差。原创 2020-08-21 16:13:48 · 1034 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_皮尔逊相关系数的计算以及数据的描述性统计)
相关系数皮尔逊person相关系数皮尔逊相关系数是用来衡量两个变量线性相关程度的指标,也就是说在使用皮尔逊相关系数之前,需要提前确定两个变量是线性相关的。总体和样本:所要考察对象的全部个体叫做总体从总体中所抽取的一部分个体叫做总体的一个样本使用样本均值、样本标准差来评估总体的均值(平均水平)和总体的标准差(偏离程度)基础知识直观理解协方差: X和Y的变化方向 Cov(X,Y)原创 2020-08-18 10:58:10 · 1306 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_假设检验)
假设检验步骤:确定原假设和备择假设(单侧检验和双侧检验)根据需要检测的量构造一个分布绘制标准正态分布的概率密度图设置一个置信水平β(相信原假设成立的概率),一般为90%、95%、99%正态分布的基本知识:形状: 正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。标准化处理:概率密度函数pdf(Probality Density Function)性质:f(x)>=0 (即非负性)在(-∞,+∞)上的积分和为1...原创 2020-08-18 18:33:02 · 688 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记__皮尔逊相关系数假设检验)
对皮尔逊相关系数进行假设检验=============================================================================**第一步:**提出原假设H0H_0H0和备择假设H1H_1H1(两个假设是截然相反的)**第二步:**在原假设成立的条件下,利用被检测的量构造出一个符合某一分布的统计量标注:统计量相当于被检验的量的一个函数,里面不可以有其他的随机变量分布一般有四种:标准正态分布,ttt分布,X2X^2X2分布,FFF分布原创 2020-08-19 21:26:53 · 2982 阅读 · 0 评论 -
浅尝辄止_数学建模(笔记_对数据进行正态分布检验)
对数据进行正态分布检验对数据进行正态分布检验,即判断数据是否满足皮尔逊相关系数假设检验的第一个条件。偏度百度百科 — 偏度对于正态分布来说,其偏度为0峰度百度百科 — 峰度对于正态分布来说,按照图中第一个式子定义,其峰度为3。按照第二个式子定义,其峰值为0。Matlab中偏度和峰度的计算举例:x = normrnd(2,3,100,1);%生成100*1的随机向量,所有元素是均值为2,标准差为3的正态分布skewness(x) %偏度kurtosis(x) %峰原创 2020-08-20 15:47:48 · 1809 阅读 · 0 评论