数模国赛优秀论文学习-2022数模国赛C题1

2022数模国赛C题

参考此视频2022数模国赛一等奖C题经验分享_哔哩哔哩_bilibili

pro1

1.卡方检验

分析玻璃文物的表面风化与其玻璃类型、纹饰和颜色有无关系

http://t.csdnimg.cn/6fw68

http://t.csdnimg.cn/wFAaF

史上最全卡方检验（原理+案例介绍）-文章-SPSSPRO社区

2.数据预处理，逻辑回归（即logistic回归分析）

属于机器学习中的监督学习。实际上主要是用来解决二分类问题（也可以解决多分类问题）。通过给定的n组数据（训练集）来训练模型，并在训练结束后对给定的一组或多组数据（测试集）进行分类。其中每一组数据都是由p个指标构成。

结合玻璃的类型，分析文物样品表面有无风化的统计规律

http://t.csdnimg.cn/TKSXa

用人话讲明白逻辑回归Logistic regression - 知乎 (zhihu.com)

逻辑回归(logistics regression)原理-让你彻底读懂逻辑回归-腾讯云开发者社区-腾讯云 (tencent.com)

 

 

 对于一个包含空值的对象，热卡填充法在完整数据中找到一个与它最相似的对象，然后用这个相似对象的值来进行填充。通常会找到超出一个的相似对象，在所有匹配对象中没有最好的，而是从中随机的挑选一个作为填充值。这个问题关键是不同的问题可能会选用不同的标准来对相似进行判定，以及如何制定这个判定标准。该方法概念上很简单，且利用了数据间的关系来进行空值估计，但缺点在于难以定义相似标准，主观因素较多。

matlab热卡填充 - CSDN文库 

http://t.csdnimg.cn/JUxeq 

3.逆用2的逻辑回归并遍历表达式后，进行合理化检验

根据风化点检测数据，预测其风化前的化学成分含量。

 

pro2

1.逻辑回归

依据附件数据分析高钾玻璃、铅钡玻璃的分类规律

2.K-means聚类

对于每个类别选择合适的化 学成分对其进行亚类划分，给出具体的划分方法及划分结果

【机器学习】—— K-means聚类算法原理详解 以及 二维、三维数据的K-means聚类Python实现_kmeans三维聚类python-CSDN博客

最常用的聚类算法——K-Means原理详解和实操应用(R&Python) - 知乎 (zhihu.com) 

 KMeans聚类算法详解 - 知乎 (zhihu.com)

3.合理性检验和敏感性分析

对分类结果的合理性和敏感性进行分析

pro3

1.基于pro2的逻辑回归、重新对新集合进行K-means聚类

对附件表单 3 中未知类别玻璃文物的化学成分进行分析，鉴别其所属类型

2.聚类的敏感性分析（与pro2对比）

pro4

1.相关性分析 

针对不同类别的玻璃文物样品，分析其化学成分之间的关联关系

（数据分析方法）相关性分析_数据相关性分析-CSDN博客

使用spss做各种相关性分析的方法和步骤_spss相关性分析-CSDN博客

Pearson相关性分析(Pearson Correlation Analysis)——理论介绍 - 梦特医数通 (mengte.online)

相关性分析——Pearson相关系数+热力图(附data和Python完整代码)_pearson相关性分析-CSDN博客数据挖掘01-相关性分析及可视化【Pearson, Spearman, Kendall】_相关性分析可视化-CSDN博客

2.因子分析

比较不同类别之间的化学成分关联关系的差异性

因子分析全流程汇总 - spssau - 博客园 (cnblogs.com) 

因子分析（Factor Analysis）详解_因子分析法-CSDN博客 

深入浅出详解因子分析，附案例教学（全） - 知乎 (zhihu.com)