数学建模
文章平均质量分 86
数学建模python+matlab等
洋洋菜鸟
这个作者很懒,什么都没留下…
展开
-
主成分分析(PCA)及其可视化——matlab
X= csvread('文件路径',1,0); %读取数据文件,第一行不读取T = readtable('文件路径');%读取文件中的所有数据举例:data = [1,-0.2,0.3,0.8,-0.5 -0.2,1,0.6,-0.7,0.2 0.3,0.6,1,0.5,-0.3 0.8,-0.7,0.5,1,0.7 -0.5,0.2,-0.3,0.7,1]运行结果:mapping.mean = mean(data, 1) %..原创 2021-11-15 22:54:02 · 27722 阅读 · 20 评论 -
主成分分析(PCA)及其可视化——python
一、主成分分析的原理主成分分析是利用降维的思想,在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。通常把转化生成的综合指标称之为主成分,其中每个主成分都是原始变量的线性组合,且各个主成分之间互不相关,这就使得主成分比原始变量具有某些更优越的性能。这样在研究复杂问题时就可以只考虑少数几个主成分而不至于损失太多信息,从而更容易抓住主要矛盾,揭示事物内部变量之间的规律性,同时使问题得到简化,提高分析效率。主成分分析正是研究如何通过原来变量的少数几个线性组合...原创 2021-11-17 18:58:22 · 88687 阅读 · 100 评论 -
灰色预测法 —— python
1.简介2.算法详解2.1 生成累加数据2.2累加后的数据表达式2.3求解2.2的未知参数3.实例分析3.1 导入数据3.2 进行累加数据3.3 求解系数3.4 预测数据及对比完整代码原创 2022-03-02 14:50:00 · 16771 阅读 · 12 评论 -
灰色预测法 —— matlab
1.简介2.算法详解2.1 生成累加数据2.2累加后的数据表达式2.3求解2.2的未知参数3.实例分析3.1 导入数据3.2 进行累加数据3.3 求解系数3.4 预测数据及对比完整代码原创 2022-02-25 22:07:20 · 2079 阅读 · 0 评论 -
灰色关联与TOPSIS法 —— python
1.简介TOPSIS法 —— matlab :传送门灰色关联法 —— matlab:传送门2.算法详解2.1 指标正向化及标准化设有m个待评对象,n个评价指标,可以构成数据矩阵X=(xij)m*n,设数据矩阵内元素,经过指标正向化处理过后的元素为xij'若xj为负向指标(越小越优型指标)若xj为正向指标(越大越优型指标)2.2找到最大最小参考向量设正向化标准化后的数据矩阵。最大参考向量由各个指标的最大值构成最小参考向量由各个指标的最小值构...原创 2022-02-25 12:19:14 · 2942 阅读 · 5 评论 -
灰色关联法 —— python
1.简介2.算法详解2.1 数据标准化2.2计算灰色相关系数2.3 计算灰色关联度系数3.实例分析3.1 读取数据3.2 数据标准化3.3绘制 x1,x4,x5,x6,x7 的折线图3.4计算灰色相关系数完整代码原创 2022-02-25 11:41:18 · 22482 阅读 · 16 评论 -
灰色关联与TOPSIS法 —— matlab
1.简介2.算法详解2.1 指标正向化及标准化2.2找到最大最小参考向量2.3计算与参考向量的相关系数2.4求评分3.实例分析3.1 读取数据3.2 数据标准化3.3 得到最大最小参考行3.4与最大值的灰色相关系数3.5与最小值的灰色相关系数3.6 计算综合评分完整代码原创 2022-02-24 22:41:16 · 5158 阅读 · 10 评论 -
灰色关联法 —— matlab
1.简介2.算法详解2.1 数据标准化2.2计算灰色相关系数2.3 计算灰色关联度系数3.实例分析3.1 读取数据3.2 数据标准化3.3绘制 x1,x4,x5,x6,x7 的折线图3.4计算灰色相关系数完整代码原创 2022-02-24 21:47:42 · 17521 阅读 · 6 评论 -
K-means聚类 —— matlab
1.简介2.算法原理3.实例分析3.1 读取数据3.2原理推导K均值过程3.3 自带kmeans函数求解过程完整代码原创 2022-02-16 19:23:06 · 39151 阅读 · 13 评论 -
博弈论 —— python
1.简介2.算法原理3.实例分析1.各参数初始化2.计算期望与实际期望3.博弈过程4.绘图完整代码原创 2022-02-14 17:39:56 · 5137 阅读 · 5 评论 -
线性回归 —— python
一、基本概念二、概念的数学形式表达三、确定w和b1.读取或输入数据2.归一化、标准化2.1 均值2.2 归一化2.3 标准化3.求解w和b1.直接解方程2.最小二乘法(least square method)求解:4. 评估回归模型四、sklearn中的线性回归1.对数据进行解析2.对原始值和预测值进行绘图3.绘制残差图原创 2022-02-13 17:05:30 · 1172 阅读 · 0 评论 -
线性规划 —— matlab
一、基本概念二、概念的数学形式表达三、确定w和b1.读取或输入数据2.归一化、标准化2.1 均值2.2 归一化2.3 标准化3.求解w和b1.直接解方程2.最小二乘法(least square method)求解:4. 评估回归模型四、regress线性回归命令1.调函数解方程2.对原始值和预测值进行绘图3. 画残差图:五、matlab颜色表六、matlab调色板1、常用颜色的RGB值2、产生标准调色板的函数原创 2022-02-13 16:57:44 · 1991 阅读 · 0 评论 -
博弈论 —— matlab
1.简介2.算法原理3.实例分析1.各参数初始化2.计算期望与实际期望3.博弈过程4.绘图完整代码原创 2022-02-13 16:47:25 · 10109 阅读 · 3 评论 -
蒙特卡罗模拟法 —— python
1.简介2.实例分析2.1 模拟求近似圆周率2.2估算定积分2.3求解整数规划原创 2022-02-12 16:37:44 · 2594 阅读 · 0 评论 -
蒙特卡罗模拟法 —— matlab
1.简介2.实例分析2.1 模拟求近似圆周率2.2估算定积分2.3求解整数规划原创 2022-02-11 13:11:56 · 23397 阅读 · 5 评论 -
组合赋权法之python
1.简介2.算法原理2.1 指标正向化2.2 数据标准化2.3 计算主观权重2.4 计算客观权重2.5 计算组合权重2.6 计算的得分3.实例分析3.1 读取数据3.2 指标正向化3.3 数据范围标准化3.4 计算主观权重3.5 计算客观权重3.6 计算组合权重3.7 计算得分完整代码原创 2022-02-10 11:11:20 · 4011 阅读 · 15 评论 -
组合赋权法之matlab
目录1.简介2.算法原理2.1 指标正向化2.2 数据标准化2.3 计算主观权重2.4 计算客观权重2.5 计算组合权重2.6 计算的得分3.实例分析3.1 读取数据3.2 指标正向化3.3 数据范围标准化3.4 计算主观权重3.5 计算客观权重3.6 计算组合权重3.7 计算得分完整代码原创 2022-02-10 10:44:54 · 9386 阅读 · 19 评论 -
三大相关性分析之python
1.简介2.Pearson相关系数算法详解程序实现3.Kendall相关系数算法详解程序实现4.Spearman相关系数算法详解程序实现原创 2022-02-09 22:56:21 · 3279 阅读 · 0 评论 -
三大相关性分析之matlab
1.简介2.Pearson相关系数算法详解程序实现3.Kendall相关系数算法详解程序实现4.Spearman相关系数算法详解程序实现原创 2022-02-09 22:17:06 · 27018 阅读 · 0 评论 -
层次分析法之python
1.简介2.算法解析3.实例分析3.1 构造矩阵3.2 查看行数和列数3.3 求特征向量3.4 找到最大特征值和最大特征向量3.5 计算权重3.6 一致性检验3.7 计算评分完整代码原创 2022-02-08 13:17:04 · 9436 阅读 · 2 评论 -
层次分析法之matlab
1.简介2.算法解析3.实例分析3.1 构造矩阵3.2 查看行数和列数3.3 求特征向量3.4 找到最大特征值和最大特征向量3.5 计算权重3.6 一致性检验3.7 计算评分完整代码原创 2022-02-08 11:25:05 · 2965 阅读 · 3 评论 -
CRITIC法之python
1.简介2.原理解析2.1 指标正向化及标准化2.2计算信息承载量2.3计算权重和评分3.实例分析3.1 读取数据3.2 指标正向化及标准化3.3 计算对比度3.4矛盾性3.5 计算信息载量3.6 计算权重3.7 计算得分完整代码原创 2022-02-07 17:02:52 · 5943 阅读 · 10 评论 -
CRITIC法之matlab
1.简介2.原理解析2.1 指标正向化及标准化2.2计算信息承载量2.3计算权重和评分3.实例分析3.1 读取数据3.2 指标正向化及标准化3.3 计算对比度3.4矛盾性3.5 计算信息载量3.6 计算权重3.7 计算得分完整代码原创 2022-02-07 16:44:26 · 6172 阅读 · 0 评论 -
变异系数法之matlab
1.简介2.算法原理2.1指标正向化2.2 数据标准化2.3计算变异系数2.4计算权重以及得分3.实例分析3.1 读取数据3.2 指标正向化3.3 数据标准化3.4 计算变异系数3.5 计算权重3.6 计算得分完整代码原创 2022-02-06 20:21:02 · 11445 阅读 · 13 评论 -
TOPSIS法 —— python
1.TOPSIS法介绍2. 计算步骤(1)数据标准化(2)得到加权后的矩阵(3)确定正理想解和负理想解(4)计算各方案到正(负)理想解的距离(5)计算综合评价值3.实例研究3.1 导入相关库3.2 读取数据3.3 读取行数和列数3.4 数据标准化3.5 得到信息熵3.6 计算权重3.7 计算权重后的数据3.8 得到最大值最小值距离3.9 计算评分总代码原创 2022-02-01 10:33:40 · 5828 阅读 · 10 评论 -
TOPSIS法 —— matlab
1.TOPSIS法介绍2. 计算步骤(1)数据标准化(2)得到加权后的矩阵(3)确定正理想解和负理想解(4)计算各方案到正(负)理想解的距离(5)计算综合评价值3.实例研究3.1 读取数据3.2 数据标准化3.3 得到信息熵3.4 计算权重并计算权重数据3.5得到最大值和最小值距离3.6 计算得分总代码原创 2022-01-30 20:05:57 · 13392 阅读 · 6 评论 -
knn(k近邻算法)——matlab
1. 基本定义2. 算法原理2.1 算法优缺点2.2 算法参数2.3 变种3.算法中的距离公式4.案例实现4.1 读取数据4.2 分离训练集和测试集4.3 归一化处理4.4计算欧氏距离4.5排序和输出测试结果4.6 计算准确率总代码原创 2022-01-30 16:19:57 · 11637 阅读 · 11 评论 -
knn(k近邻算法)——python
1. 基本定义2. 算法原理2.1 算法优缺点2.2 算法参数2.3 变种3.算法中的距离公式4.案例实现4.1 导入相关库4.2 读取数据4.3 读取变量名4.4 定义X,Y数据4.5 分离训练集和测试集4.6 计算欧式距离4.7可视化距离矩阵4.8 预测样本4.9 查看正确率4.10 交叉验证5.scikit-learn的算法实现5.1 对上述的再次实现:5.2 另一种实现方式原创 2022-01-30 00:23:30 · 22294 阅读 · 20 评论 -
熵权法 —— python
一、熵权法介绍二、熵权法赋权步骤1.指标正向化mapminmax介绍2.数据标准化3.计算信息熵4.计算权重以及得分三、实例分析1.读取数据2.指标正向化2.1越小越优型处理2.2某点最优型指标处理3.数据标准化4.计算信息熵5.计算权重6.计算得分总结原创 2022-01-19 23:57:47 · 28867 阅读 · 26 评论 -
熵权法 —— matlab
一、熵权法介绍二、熵权法赋权步骤1.指标正向化mapminmax介绍2.数据标准化3.计算信息熵4.计算权重以及得分三、实例分析1.读取数据2.指标正向化2.1越小越优型处理2.2某点最优型指标处理3.数据标准化4.计算信息熵5.计算权重6.计算得分总结原创 2022-01-19 23:29:10 · 50152 阅读 · 59 评论 -
因子分析——python
一、起源二、基本思想三、算法用途四、因子分析步骤五、factor_analyzer库四、实例详解1.导入库2.读取数据3.充分性检测3.1Bartlett's球状检验3.2KMO检验4.选择因子个数4.1特征值和特征向量4.2可视化展示4.3 可视化中显示中文不报错5.因子旋转5.1 建立因子分析模型5.2查看因子方差-get_communalities()5.3查看旋转后的特征值5.4查看成分矩阵5.5查原创 2022-01-18 20:29:49 · 30050 阅读 · 29 评论 -
因子分析——matlab
因子分析——matlab原创 2022-01-18 17:08:42 · 12655 阅读 · 14 评论 -
最短路径和距离及可视化——matlab
一、前言动态规划是求解某类问题的一种方法,是考察问题的一种途径,而不是一种特殊算法(如线性规划是一种算法)。因而,它不象线性规划那样有一个标准的数学表达式和明确定义的一组规则,而必须对具体问题进行具体分析处理。因此,在学习时,除了要对基本概念和方法正确理解外,应以丰富的想象力去建立模型,用创造性的技巧去求解。二、最短路线2.1 教程2.1.1 sparse创建稀疏矩阵比如我们有这样的无向图:代码:%w(起点,终点)=权重值clear allclcw=zeros(4.原创 2021-11-19 22:54:17 · 2137 阅读 · 4 评论 -
多元线性回归模型-数学建模类-matlab详解
如果本文有点小难理解的话,可以看看我之前的基础线性规划啥的,有lingo,matlab还有python就不给大家放链接了,想看的话,点击头像即可!!文章目录(1)一元线性回归之旧轿车价格案例(2)多元线性回归之洞庭湖污染物案例实测(3) 参考文档:(1)一元线性回归之旧轿车价格案例以x表示使用年数,y表示相应的平均价格。根据表中x和y的数据,建立一个数据模型,分析就轿车平均价格与其使用念书之间的关系,即求y与x的关系。为了表示,x和y数据为:...原创 2021-11-17 21:30:04 · 7174 阅读 · 1 评论 -
整数线性规划实现(lingo,python分枝界定法)
本文章为上篇建模学习打卡第二天的续文章目录一、本次问题二、本题理解三、问题求解1.lingo实现(1)先抛除整数约束条件对问题求解(2)加入整数约束条件求解2.python实现求解(1)先抛除整数约束条件对问题求解(2)加入整数约束条件求解实现 通过 pulp 库求解(3)加入整数约束条件求解实现 分枝界定法求解一、本次问题二、本题理解目标函数:max = 40x1+90x2一级约束条件:9x1+7x2<=56...原创 2021-11-12 14:01:08 · 7503 阅读 · 0 评论 -
非线性规划(1)
目录一、非线性规划的定义二、非线性规划的模型三、非线性规划函数四、线性不等式约束五、线性不等式和等式约束六、带有非线性约束的求最值七、非线性约束 总结:一、非线性规划的定义前面我们学了线性规划,整数规划,我们可以把整数规划理解为是特殊的线性规划。在实际生活中,我们更多的认为数据是非线性的,对于线性规划这毕竟会是一些少量,为此我们引入了非线性规划。如果目标函数或约束条件中包含非线性函数,就称这种规划问题为非线性规划问题。一般说来,解非线性规划要比解...原创 2021-11-10 22:17:13 · 3847 阅读 · 0 评论 -
整数线性规划实现(matlab分枝界定法)
文章目录一、本次问题1.利用第一天所学知识求解:2.本题理解:(1)分支界定法背景:基本理论(解题步骤):求解实现1:结果1:最优解:x1 = 4 ,x2 = 2 ;最优值:340求解实现2:结果2:最优解:x1 = 4 ,x2 = 2 ;最优值:340总结:一、本次问题1.利用第一天所学知识求解:建模学习打卡第一天_菜菜笨小孩的博客-CSDN博客代码如下:%打卡第一天clear allcl...原创 2021-11-08 18:00:25 · 10602 阅读 · 13 评论 -
基础线性规划实现---python
一、问题何为线性规划问题:线性规划(Linear Programming,也称为LP)是一种运筹学技术,当当所有的目标和约束都是线性的(在变量中)并且当所有的决策变量都是连续的时使用。线性规划是最简单的运筹学方法。例如:二、python进行求解这个问题必须表述为一个最小化问题。不等式必须表示为≤ 。1.通过观察matlab解线原创 2021-11-07 01:05:34 · 1654 阅读 · 0 评论 -
基础线性规划实现(matlab,lingo)
一、本次所需解的问题 需解出下面该线性规划问题对应的最大值z以及x1,x2,x3二、matlab解题1)语法我们使用linprog函数,这是专门解决线性规划问题的,我们来看一看该函数的语法:具体含义是什么呢?似乎你还看不懂这个,因此我用中文来说一下我们主要用到的部分:x = linprog(f,A,b) 求解 min f'*x 约束条件为 A*x ≤ b.x = linprog(f,...原创 2021-11-06 23:45:38 · 1344 阅读 · 0 评论