本文详细介绍了数学建模的步骤，包括模型建立、分析和检验。在数据处理环节，涉及插值拟合、小波分析、聚类算法等多种方法。在关联与因果分析中，提到了灰色关联、Person相关等。分类与判别部分，列举了多种聚类和判别技术。评价与决策部分，如模糊综合评判和层次分析法。预测与预报中，重点介绍了灰色预测和时间序列分析。优化与控制方面，涵盖线性规划、非线性规划及神经网络等。文章旨在帮助读者理解和运用数学建模解决问题。
1、建模步骤
模型的建立：当有两个模型套用时，说的高端点，说成是前两个字组合后新名字的算法，其实是两个模型的叠加
模型的分析：表层的分析（从图表中能够看出什么）+深层次的分析
模型的检验：例如，给100年数据预测未来10年数据，我们可以将数据按照7:3的比例拆分，用70的来预测未来30年的数据，然后两个30年来做精度比较。用已知数据去检验预测或评价的数据，得到一个精度系数或者误差因子，再带入模型求解或未来预测中。
2、数学建模问题
1.数据处理 2.关联与分析 3.分类与判别 4.评价与决策 5.预测与预报 6.优化与控制
（1）数据处理问题
•①插值拟合
•主要用于对数据的补全和基本的趋势分析
•②小波分析，聚类分析（高斯混合聚类，K-均值聚类等等）
•主要用于诊断数据异常值并进行剔除
•③主成分分析、线性判别分析、局部保留投影等
•主要用于多维数据的降维处理，减少数据冗余
•④均值、方差分析、协方差分析等统计方法
•主要用于数据的截取或者特征选择
（2）关联与因果
•
最低0.47元/天 解锁文章
4702
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
