建模
文章平均质量分 54
学习清风笔记
Yuerya.
此人不懒!〈掐腰〉
展开
-
灰色关联分析
基本思想:根据序列曲线几何形状的相似程度来判断关联是否紧密,曲线越接近,相应序列之间的关联度越大。对样本多少和样本有无规律都同样适用,且计算量小。n大时用标准回归分析,n小用灰色关联。系统分析:分析变量xi对y影响大小。4.计算每个子序列与母序列关联。3.预处理:每个元素÷均值。6.通过对比关联度说明结论。原创 2023-07-17 20:22:29 · 146 阅读 · 0 评论 -
主成分分析
降维算法,它能将多个指标转换为少数几 个主成分,这些主成分是原始变量的线性组合,且彼此之间 互不相关,其能反映出原始数据的大部分信息。一般来说, 当研究的问题涉及到多变量且变量之间存在很强的相关性时, 我们可考虑使用主成分分析的方法来对数据进行简化。目录PCA计算步骤写入论文主成分缺点主成分分析可以解决多重共线性问题 解决多重共线性问题方案:在stata中回归结果对主成分分析看法PCA计算步骤(2)中可以降成2、3维之后进行画图分...原创 2022-02-11 18:07:42 · 647 阅读 · 0 评论 -
预测模型a
目录灰色系统预测灰色预测:要求样本数>=自变量+1预测题目的小套路代码思路GM(1,1)模型的拓展BP神经网络预测——万金油原理步骤结果分析保存结果保存之后预测灰色系统预测灰色预测:要求样本数>=自变量+1预测题目的小套路代码思路GM(1,1)模型的拓展BP神经网络预测——万金油原理步骤莱文贝格-马夸特方法,量化共轭梯度法:速度快但无法解决过拟合问题,可以使用已知...原创 2022-02-11 16:37:18 · 736 阅读 · 0 评论 -
聚类模型a
聚类和分类的区别:分类是已知类别的,聚类未知。目录1.算法流程图(避免查重)2.评价K-means++算法1.概念2.SPSS操作3.关于k-mean算法的一些讨论,一般不同模型要使用对应的标准化公式去消除量纲的影响系统聚类法(一般最常用)1.流程图2.分类准则3.样品与样品间的距离4.指标与指标间的常用距离5.类与类之间的距离6.SPSS操作7.聚类谱系图(树状图)8.用图形估计聚类的数量:肘部法则DBSCAN算法1..原创 2022-02-10 16:56:39 · 546 阅读 · 0 评论 -
分类模型(将回归模型的输出离散化)
二分类模型逻辑回归(logistic regression)1.若有定性变量,先预处理成虚拟变量用spss2.y为二值变量用逻辑回归1)线性概率模型(出现不现实的情况)2) 两点分布(伯努利分布)基本思路:连续函数取法(一般使用logistic回归,模型简单)求解:用极大值估计->B^->y^->判断与0.5大小若线性用最小二乘法非线性用极大值法结果分类(与0.5对比)没有考虑交互项求解步骤:spss结果一般看块...原创 2022-02-10 11:40:57 · 850 阅读 · 0 评论 -
模糊综合评价模型
指派法->梯形分布->判断矩阵->乘权重原创 2022-02-10 10:40:31 · 96 阅读 · 0 评论 -
蒙特卡罗(统计模拟)
1.三门问题2.模拟排队问题3.有约束的非线性规划问题4.书店选择问题(0-1规划问题)5.导弹追踪问题(物理问题的模拟)6.旅行商问题原创 2022-02-09 18:02:26 · 183 阅读 · 0 评论 -
多元线性回归
常见的回归分析有五类:线性回归、0‐1回归、定序回归、计数回归 和生存回归。这就是回归分析要完成的三个使命:第一、识别重要变量;第二、判断相关性的方向;第三、要估计权重(回归系数)多种数据类型处理方法宏观数据:知乎上搜“数据查找”微观数据:在人大经济论坛搜索 https://bbs.pinggu.org一元线性回归使用线性回归模型前,先进行预处理excel预处理:直接=要处理的数据和指令回归系数解释内生性,外生性核心变量,控...原创 2022-02-08 22:29:43 · 2955 阅读 · 0 评论 -
图论最短路径问题迪杰斯特拉算法(plot函数功能补充)
目录1.Matlab作无向图(1)无权重(每条边的权重默认为1)函数graph(s,t)补:设置线粗,坐标的隐藏(2)有权重函数graph(s,t,w)2.Matlab作有向图(1)无权图 digraph(s,t)(2)有权图digraph(s,t,w)1.Matlab作无向图(1)无权重(每条边的权重默认为1)函数graph(s,t)可在 s 和 t 中的对应节点之间创建边,并生成一个图s 和t 都必须具有相同的元素数;这些节点必须都是从1开始的正整数,或都是字.原创 2022-02-07 16:44:11 · 599 阅读 · 0 评论 -
matlab基本知识
1.[a,b]=sort(x),x为列向量,a为排序后的向量,b为此时向量在原来向量中的位置例:此程序RX表示x的等级[~ ,index] = sort(X); [~ ,RX] = sort(index); ~代表 不显示第一个输出值2.x=[1 2 3 4]'表示转置即x=12343.rx(position == 1) = 4.5 : 对rx中与position == 1对应位置的元素进行赋值操作position是个元素只有1 0的矩阵...原创 2022-02-07 14:49:38 · 1274 阅读 · 0 评论 -
相关系数(用来衡量两变量间相关关系的大小)
1.皮尔逊Pearson相关系数1)总体2)样本3)易错4)所以先画散点图(用spss)再观察是否有线性关系,有的话用皮尔逊,否则不能用这里使用Spss比较方便: 图形 - 旧对话框 - 散点图/点图 - 矩阵散点图5)判断相关性大小R = corrcoef(Test) % correlation coefficient6 )描述性统计用SPSS和excel都可以方法:excel:数据分析->描述统计->汇总统计...原创 2022-02-06 22:50:58 · 35071 阅读 · 0 评论 -
拟合(用于预测)
目录1.插值与拟合区别:2.最小二乘法3.评论拟合的好坏4.拟合工具箱cftool5.自己模拟数据进行演示1.插值与拟合区别:插值,要求每个数据都在f(x)上拟合,保证误差足够小,是得到一个确定的曲线2.最小二乘法y=kx+bclear;clcload data1plot(x,y,'o')% 给x和y轴加上标签xlabel('x的值')ylabel('y的值')n = size(x,1);k = (n*sum(x.*y)-sum(x)*su.原创 2022-02-06 18:44:18 · 5867 阅读 · 0 评论 -
插值算法(用于预测)
1.分段三次埃尔米特插值函数pchip(x,y,newx)% 分段三次埃尔米特插值x = -pi:pi; y = sin(x); new_x = -pi:0.1:pi;p = pchip(x,y,new_x);figure(1); % 在同一个脚本文件里面,要想画多个图,需要给每个图编号,否则只会显示最后一个图哦~plot(x, y, 'o', new_x, p, 'r-')2.三次样条插值函数spline(x,y,newx)% 三次样条插值和分段三次埃尔米特插值的对比x原创 2022-02-06 10:09:22 · 3053 阅读 · 0 评论 -
用excel绘制统计图
1.饼图2.柱形图:柱状图常常用于展示多个分类(单个分类也可以)的数据变化和同类别各变量之间的比较情况。堆积柱状图可用于比较同类别各变量和不同类别变量总 和差异;百分比堆积柱状图适合展示同类别的每个变量的比例。堆积柱状图:堆积柱状图: 比较同类别各变量和不同类别变量总和差异。百分比堆积柱状图: 适合展示同类别的每个变量的比例。切换行和列:(选中图后,点击右键,点击选择数据,进入后点击切换行和列)条形图(横过来的柱形图):优势类别数过多时,如果要加入数据标签,那原创 2022-02-04 17:14:45 · 4243 阅读 · 0 评论 -
TOPSIS代码部分
第一步:把数据复制到工作区,并将这个矩阵命名为X(1)在工作区右键,点击新建(Ctrl+N),输入变量名称为X(2)在Excel中复制数据,再回到Excel中右键,点击粘贴Excel数据(Ctrl+Shift+V)(3)关掉这个窗口,点击X变量,右键另存为,保存为mat文件(下次就不用复制粘贴了,只需使用load命令即可加载数据)(4)注意,代码和数据要放在同一个目录下哦,且Matlab的当前文件夹也要是这个目录。clear;clcload data_water_quality.mat原创 2022-01-30 20:42:01 · 603 阅读 · 1 评论 -
TOPSIS法
目录指标正向化(将所有指标转化为极大型)标准化处理归一化得分带权重的TOPSIS指标正向化(将所有指标转化为极大型)1.成绩是越高(大)越好,这样的指标称为极大型指标(效益型指标)。 2.与他人争吵的次数越少(越小)越好,这样的指标称为极小型指标(成本型指标)极小型指标转换为极大型指标的公式:max-x也可以用1/x3.中间型指标:越接近某个值越好4.区间型指标 落在某个区间最好标准化处理为了消去不同指标量纲的影响, ...原创 2022-01-27 23:56:41 · 975 阅读 · 0 评论 -
层次分析法
评价类问题目录权重表满意度/重要程度一致性检验一致矩阵求权重判断矩阵求权重展示部分权重表同颜色的单元格的和为1,它们表示的针对某一因素所占的权重(或得分)。满意度/重要程度一致性检验判断矩阵:正互反矩阵(aji*aij=1)一致矩阵:各行各列成比例一致矩阵求权重判断矩阵求权重1.算数平均法2.几何平均法3.特征值法展示部分第一部分第二部分第三部分...原创 2022-01-26 20:44:26 · 317 阅读 · 0 评论