数学建模
文章平均质量分 76
主要根据清风老师的所欲课程编写的建模笔记,主要适合于小白同学进行学习,选择这个专栏,即可获得我写的所有数学建模笔记pdf版本,物超所值。
张张同学!
其实路上风再大也没有关系。
展开
-
数学建模冲刺篇(比赛要求)
比赛要求一、摘要页二、论文评阅标准三.注意事项一、摘要页(1)使用此模板开始键入电子报告的第一页(摘要页)。此模板使用12点Times New Roman字体。以Adobe PDF电子文件(如1111111.PDF)的形式提交论文,用英文打字,字体至少为12点可读。(2)不要在本页或任何一页上写上你的学校、导师或团队成员的名字。(3)论文必须在问题陈述中指定的页数限制内。(4)请务必更改上面的控制编号和问题选择。(5)开始在此处键入报表时,可以删除这些说明。(6)请在Twitter上关注我们@原创 2021-02-04 15:08:55 · 775 阅读 · 1 评论 -
数学建模冲刺篇(灵敏度分析)
灵敏度分析一、为什么要进行二、例子引入三、如何进行四、灵敏度分析用处五、什么时候进行一、为什么要进行我们知道,在数学建模中对问题作出一些必要的假设是非常重要的,而假设一般指的是问题有一定影响的因素但没法具体的衡量或预测,因此往往将其设为常量或者不予考虑等,但很少能保证这些假设都是完全正确的。因此我们需要考虑所得结果对每一条假设的敏感程度。这种灵敏性分析是数学建模中的一个重要方面。具体内容与所用的建模方法有关,但也并不是对每条建设都要进行灵敏度测试,所测试的往往是不能准确测量或计算的参数。二、例子引入原创 2021-02-04 09:33:13 · 42630 阅读 · 7 评论 -
数学建模冲刺篇(数据预处理)
数据预处理一、数据清理(缺失值、异常值、无关值、噪音、重复值)1.缺失值2.异常值3.无关值4.噪音5.重复值二、数据集成三、数据变换和数据规约数据进行预处理,一般分为四个步骤:数据清理、数据集成、数据变换、数据归约。一、数据清理(缺失值、异常值、无关值、噪音、重复值)1.缺失值缺失值:1、删除:数量较少,对整体数据没什么影响的直接删除该条数据。2、对缺失数据插补:方法较多,例如用该属性的均值、众数、中位数插补,这些较为简单,不详述;最近邻插补,使用与缺失样本最接近的样本的该属性值插补;回归法(建模原创 2021-02-04 08:50:12 · 18765 阅读 · 1 评论 -
数学建模更新的所有作业实战
作业实战一.粒子算法一.粒子算法% 目标函数参考的最优值:38.8503 narvs = 2; % 变量个数x_lb = [-3 4.1]; % x的下界x_ub = [12.1 5.8]; % x的上界%% 直接使用particleswarm函数[x,fval] = particleswarm(@fun6,narvs,x_lb,x_ub)fval = -fvalx1=(-3:0.001:12.1);x2=(4.1:0.001:5.8);y=21.5+x1*sin(4*pi*原创 2021-01-31 11:33:42 · 2254 阅读 · 0 评论 -
数学建模网站整理
网站一.Gapminder二.谷粉学术三.一.Gapminder网站链接这个是外网网站,用来下载一些常见的数据集。进入网站以后页面的左侧会显示它收集的各种数据集(包含健康,环境,经济,教育等等几百个指标),这个数据都是按照各个国家和年份整理的面板数据,如果没有数据的话会显示缺失值。大家可以在这里找找有没有自己需要的数据集,例如我这里选择是石油消耗量:点击进入后,就可以看到下面的数据,每个国家每年消耗了多少石油:右上角可以选择CSV格式进行下载,另外,页面的上方也会有数据来源,要找同类原创 2021-01-31 11:31:49 · 1951 阅读 · 0 评论 -
数学建模更新16(MATLAB自带的粒子算法【下】)
MATLAB自带的粒子算法一.概述二.细节详解1.概念2.预设参数的选取3.变量初始化和适应度的计算4.更新粒子的速度和位置5.自适应调整参数6.自动退出迭代循环7.修改函数的参数8.函数参数修改的建议三.粒子群算法的后续讨论一.概述Matlab自带的这个函数优化的特别好,运行速度快且找到的解也比较精准,但是内部的实现比较复杂,后面我们会简单介绍这个函数的实现思路。(代码如何跑得快:少写循环和判断语句,多基于矩阵运算来进行操作)注意:(1) 这个函数在R2014b版本后推出,之前的老版本Matl原创 2021-01-29 16:17:12 · 5100 阅读 · 2 评论 -
数学建模更新16(粒子群算法)
粒子群算法一.概述1.概念2.启发式算法二.最简单的优化问题1.盲目搜索法2.启发式搜索三.粒子群算法1.思想2.直观解释3.基本概念4.粒子群算法流程图5.符号说明6.核心公式四.粒子群算法的参数1.学习因子2.惯性权重五.求一元函数的最大值1.之前学过的线性回归方式2.粒子群算法参数【1】设置参数【2】初始化粒子的位置和速度【3】计算适应度【4】循环体:更新粒子速度和位置【5】重新计算适应度并找到最优粒子【6】粒子群算法运行的结果【7】代码汇总六.例2:求二元函数的最小值1.原始方法2.改进:线性递减惯原创 2021-01-29 16:03:46 · 2210 阅读 · 6 评论 -
数学建模更新11(模糊综合评价)
模糊综合评价一.概述1.数学归纳法2.秃子悖论3.研究量的划分4.模糊性二.经典集合和模糊集合的基本概念1.经典集合2.模糊集合(fuzzy set)和隶属函数三.隶属函数的三种确定方法1.模糊统计法2.借助已有的客户尺度3.指派法4.指派法的例子四.模糊综合评价1.评价问题概述2.一级模糊综合评价模型【1】步骤【2】例题1【3】例题 2【4】例题43.二级模糊综合评价模型1.引入的意义2.步骤【1】例题4.三级模糊综合评价模型一.概述1.数学归纳法n=1n=1n=1成立假设n=k成立,验证n=k原创 2021-01-28 21:51:15 · 969 阅读 · 1 评论 -
数学建模更新12(多目标规划)
多目标规划一.模型二.例题三.敏感性分析一.模型二.例题%% 多目标规划问题w1 = 0.4; w2 = 0.6; % 两个目标函数的权重 x1 = 5 x2 = 2w1 = 0.5; w2 = 0.5; % 两个目标函数的权重 x1 = 5 x2 = 2w1 = 0.3; w2 = 0.7; % 两个目标函数的权重 x1 = 1 x2 = 6c = [w1/30*2+w2/2*0.4 ;w1/30*5+w2/2*0.3]; % 线性规划目标函数的系数A =原创 2021-01-28 16:02:48 · 2389 阅读 · 0 评论 -
数学建模更新12(最大最小化模型)
最大最小化模型一.模型的一般形式二.例题一.模型的一般形式二.例题function f = Fun(x) a=[1 4 3 5 9 12 6 20 17 8]; b=[2 10 8 18 1 4 5 10 8 9]; % 函数向量 f=zeros(10,1); for i = 1:10 f(i) = abs(x(1)-a(i))+abs(x(2)-b(i)); end% f(1) = abs(x(1)-a(1))+abs(x原创 2021-01-28 15:59:54 · 2768 阅读 · 0 评论 -
数学建模更新12(非线性规划)
非线性规划一.非线性规划的标准型1.概述2.例题3.MATLAB的非线性规划的函数4.基础例题【1】默认方法求例1【2】用其他方法求例2【3】改变初始值的影响【4】使用蒙特卡罗的方法来找初始值(推荐)【5】其他例题的求解二.例题1.选址问题2.飞行管理问题一.非线性规划的标准型1.概述2.例题3.MATLAB的非线性规划的函数[x,fval] = fmincon(@fun,x0,A,b,Aeq,beq,lb,ub,@nonlfun,option)解释:非线性规划中对于初始值xxx0的原创 2021-01-28 15:56:55 · 2480 阅读 · 1 评论 -
数学建模更新12(数学线性整数规划2)
线性整数规划一.概述二.用MATLAB求解三.基础例题四.一些实际例题1.背包问题2.指派问题3.钢管切割一.概述二.用MATLAB求解三.基础例题%% 线性整数规划问题%% 例1c=[-20,-10]';intcon=[1,2]; % x1和x2限定为整数A=[5,4; 2,5];b=[24;13];lb=zeros(2,1); [x,fval]=intlinprog(c,intcon,A,b,[],[],lb)fval = -fval%% 例2c=[1原创 2021-01-27 17:38:02 · 1215 阅读 · 1 评论 -
数学建模更新12(数学线性规划模型1)
数学规划模型一.总述模型二.概述1.什么是数学规划2.一般形式3.例子4.分类三.线性规划问题求解1.Matlab中线性规划的标准型2.例题3.Matlab求线性规划函数4.代码四.线性规划例题1.例题1:生产决策问题2.例题2:投料问题一.总述模型二.概述1.什么是数学规划在给定的条件下(约束条件),如何按照某一衡量指标(目标函数)来寻求计划,管理工作中的最优方案求目标函数在一定约束条件下的极值问题2.一般形式3.例子4.分类线性规划:如果目标函数f(x)f(x)f(x)和约束条原创 2021-01-27 17:23:07 · 833 阅读 · 1 评论 -
数学建模更新14(MATLAB运算)
MATLAB运算一.符号变量的创建和简单运算1. 简单符号变量的创建2.符号方程的创建,两种方法二.简单运算三.符号表达式的整理1.化简2.因式分解3.多项式展开4.合并5.计算分子与分母7.让结果显示的更加自然四.符号函数的求导1.一元函数的导数2.多元函数的导数3.求差分五.积分1.不定积分2.定积分六.matlab求解方程和方程组1.solve函数【1】例题1: 求解单变量方程【2】例题2: 多变量方程求解【3】例题3:方程组求解2.其他类型3.vpasolve函数求解4.ezplot函数5.fimp原创 2021-01-28 19:58:01 · 861 阅读 · 0 评论 -
数学建模更新13(MATLAB绘制三维图【下】)
MATLAB绘制三维图一.符号函数的三维图形绘制1.plot3函数2.fplot3函数3.fmesh 三维网格图4.fsurf 三维曲面图5.fcontour 绘制等高线二.Matlab绘制隐函数的图形1. fimplicit3(f)2.fimplicit3(f,interval)一.符号函数的三维图形绘制1.plot3函数类似于plot函数,实际上可以认为画的是三维空间下的折线图%% plot3函数 (类似于plot函数,实际上可以认为画的是三维空间下的折线图)% t = 0: 0.1: 4*p原创 2021-01-27 10:18:09 · 1427 阅读 · 1 评论 -
数学建模更新13(MATLAB绘制三维图【上】)
MATLAB绘制三维图一.mesh函数以及拓展函数1.mesh(X,Y,Z)的用法【1】X是n维向量,Y是m维向量,Z是m*n维的矩阵【2】X、Y和Z都是m*n维的矩阵2.mesh(Z)的用法3.例题【1】 z = x^2^- y^2^【2】 z = sin(sqrt(x^2^+y^2^))/sqrt(x^2^+y^2^)4.meshc函数5.meshz(x,y,z)函数一.mesh函数以及拓展函数绘制出在某一区间内完整的网格图1.mesh(X,Y,Z)的用法【1】X是n维向量,Y是m维向量,Z是m原创 2021-01-27 10:08:12 · 9406 阅读 · 0 评论 -
数学建模更新8(正态分布均值假设检验)
正态分布均值假设检验一.概述二.规律三.例题1.标准正态分布2.单侧检验3.ttt检验例题三.了解一些单个检验1.zzz检验2.ttt检验四.两个正态总体均值差的检验1.概述2.例题五.逐对比较法1.概述2.例题13.例题2六.卡方分布的概率密度函数一.概述假设检验的步骤可以归纳如下:(1) 写出原假设和备择假设;(2) 在原假设成立的条件下,构造一个统计量,该统计量服从某一分布;(3) 用已知的样本数据带入统计量的公式,得到一个检验值;(4) 给定置信水平来得到一个接受域的区间,看检验值是否原创 2021-01-27 08:37:39 · 2368 阅读 · 0 评论 -
数学建模更新7(ARCH和GARCH模型)
ARCH和GARCH模型一.概述二.ARCH模型优化方向三.模型1.总体模型2.优化实质3.ARCH(q)模型4.GARCH(p,q)模型5.检验GARCH效应【1】概述【2】算法:LM检验6.何时使用ARCHARCHARCH或GARCHGARCHGARCH模型四.一个实例1.摘要2.数据导入3.画出时间序列图4.计算日收益率数据5.检验序列r是否为单位根序列(ADFADFADF检验)6.判断AMRAAMRAAMRA模型的阶数(ACFACFACF图与PACFPACFPACF图)7.利用AICAICAIC和B原创 2021-01-26 16:55:23 · 11762 阅读 · 11 评论 -
数学建模更新6(Floyd算法(弗洛伊德算法))
Floyd算法(弗洛伊德算法)一.概述二.最短路径应满足的结论三.Floyd算法(弗洛伊德算法)1.代码2.伪代码详解3.优化(记录最短路径的点)4.转化为Matlab5.结果分析一.概述弗洛伊德算法,是解决任意两点间的最短路径的一种算法,可以正确处理无向图或有向图(可以有负权重,但不可存在负权回路)的最短路径问题Floyd算法与迪杰斯特拉算法或贝尔曼福特算法相比,能够一次性的求出任意两点之间的最短路径,后两种算法运行一次只能计算出给定的起点和终点之间的最短路径二.最短路径应满足的结论从上图中不原创 2021-01-26 09:52:57 · 1726 阅读 · 0 评论 -
数学建模更新10(蒙特卡罗模拟)
蒙特卡罗模拟一.目录二.引例1:布丰投针实验1.投针步骤2.思路3. 历史实验者二.蒙特卡罗模拟概述1.定义2.提出3.原理4.讨论三.应用实例1.三门问题【1】问题【2】代码2.模拟排队问题【1】题目【2】引入参数【3】总结题目信息【4】过程可视化【5】一些推导公式【6】代码3.有约束的非线性规划问题【1】问题的分类【2】例子【3】推导过程【4】代码一.目录二.引例1:布丰投针实验1.投针步骤步骤:1:取一张白纸,在上面画出许多条间距为a的平行线2:去一根长度为l的针,随机的向纸张上投掷n次原创 2021-01-26 09:17:49 · 2543 阅读 · 1 评论 -
数学建模更新5(灰色关联分析)
灰色关联分析一.概述二.应用一:进行系统分析1.画出统计图2.确定分析数列3.对变量进行预处理4.计算子序列中各个指标与母序列的关联系数5.求出每列平均值就是灰色关联度6.通过比较三个子序列和母序列的关联度可以得到结论三.讨论四.用于综合评价问题1.题目2.过程3.图像4.代码一.概述二.应用一:进行系统分析1.画出统计图分析:2.确定分析数列3.对变量进行预处理目的:去除量纲缩小变量范围简化计算对母序列和子序列中的每个指标进行预处理:先求出每个指标的均值,在用该指标中的每原创 2021-01-25 11:43:10 · 2537 阅读 · 1 评论 -
数学建模更新4(岭回归和lasso回归)
岭回归和lasso回归一.概述二.多元线性回归模型的推导1.四个假设【1】线性假设【2】严格外生性【3】无完全多重共线性【4】球形干扰项2.推导过程【1】简化矩阵【2】最小二乘法代数表示三.岭回归1.原理2.如何选择lambda【1】岭迹分析【2】VIF法【3】最小化均方预测误差四.LASSO回归1.原理2.具体概述四.岭回归和lasso回归的应用1.例题题目2.分析五.何时使用lasso回归?一.概述多元线性回归模型使用OLS,存在异方差和多重共线性对模型的影响,变量过多会导致多重共线性问题造成的回原创 2021-01-24 20:30:52 · 2408 阅读 · 1 评论 -
数学建模优秀论文2(层次分析有关)
层次分析多重变量一.特别的模型二.设置九分制标度三.建立评价体系四.建立判断矩阵并计算1.判断矩阵C-D:2.判断矩阵P−DiP-DiP−Di3.方案层对目标层的组合权重和结果分析【1】一级指标排序【2】对目标层总排序一.特别的模型正常的模型是但是这个是这样的二.设置九分制标度三.建立评价体系就是这个特殊模型四.建立判断矩阵并计算通过专家打分的形式,确定各元素之间比较的标度值,建立判断矩阵1.判断矩阵C-D:求解C-D矩阵的特征值,解得由公式对矩阵进行一致性检验,计算CR原创 2021-01-24 19:13:08 · 4110 阅读 · 0 评论 -
数学建模优秀论文(2012年A题树叶的分类)
2012年Problem A树的叶子1.摘要2.Introduction / 引言3.Breaking Down the Problem / 问题的分解4.Assumptions / 假设5.Nomenclatures / 术语6.模型【1】模型一: 叶子的分类(1)参数(2)比较(3)参数的权重 :层次分析(4)模型检验【2】树叶分布和形状【3】树形与叶形Problem A树的叶子1.摘要2.Introduction / 引言3.Breaking Down the Problem / 问题的原创 2021-01-24 12:53:21 · 6922 阅读 · 0 评论 -
数学建模更新2(因子分析)
因子分析一.概述二.原理1.原理2.因子分析和主成分分析的对比3.简化4.假设5.因子模型的性质6.因子载荷矩阵的统计意义7.参数估计8.因子旋转的方法9.因子得分10.因子分析:统计三.实操1.题目2.第一次因子分析3.第二次因子分析4.对因子分析结果的介绍一.概述因子分析法通过研究变量间的相关系数矩阵,把这些变量间错综复杂的关系归结成少数几个综合因子,由于归结出的因子个数少于原始变量的个数,但是它们又包含原始变量的信息,所以,这一分析过程也称为降维。由于因子往往比主成分更易得到解释,故因子分析原创 2021-01-24 12:52:56 · 849 阅读 · 0 评论 -
数学建模更新1(用Excel绘制统计图)
用Excel绘制统计图一.饼图二.柱状(形)图1.基础2.切换行和列后的柱状图(左→右)3.条形图(横过来的柱状图)4.条形图的优势5.双向条形图6.用柱状图可视化回归结果三.直方图1.基础2.直方图和柱状图的区别3.组距对于直方图的影响4.频数和频率分布直方图四.折线图1.基础2.折线图和柱状图的对比3.双坐标轴折线图4.柱形图顶端的折线图五.散点图1.基础2.带标识的散点图六.箱线图1.基础2.箱线图的作用一.饼图最适合采用饼图的情形:只有一个数据系列(单分类数据)。任何数据值都不为零或小于零原创 2021-01-23 10:24:47 · 2087 阅读 · 0 评论 -
数学建模(NO.21 主成分分析)
主成分分析一.应用二.数据降维的作用三.一个简单的例子四.主成分分析的思想五.PCA的计算步骤六.例题1讲解一.应用主成分分析是一种降维算法,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二.数据降维的作用降维是将高维度的数据(指标太多)保留下最重要的一些特征,去除噪声和不重要的特征,从而实现提升数据处理速度的目的。原创 2021-01-23 09:20:20 · 3811 阅读 · 0 评论 -
数学建模实战12(预测模型)
预测模型一.利用神经网络模型二.利用回归模型一.利用神经网络模型结果不太好,所以我们进行更换模型更差劲了这个还可以,但是换一下隐藏层个数换成15误差值真的好大然后进行神经网络预测load data_cotton.matsim(net, new_x(1,:)')predict_y = zeros(3,1); % 初始化predict_yfor i = 1: 3 result = sim(net, new_x(i,:)'); predict_y(i) = res原创 2021-01-23 08:26:57 · 971 阅读 · 0 评论 -
数学建模(NO.20 SVD和图形处理)
SVD和图形处理一.线性代数基础知识回顾二.奇异值分解1.引例2.概述3.例子4.计算过程5.SVD的证明思路6.利用SVD对数据进行"降维"7.保留原矩阵的特征比例8.代码解析9.RGB模式10.图片压缩的函数11.将视频分离为图片12.批量处理文件夹内的所有图片13.SVD的评价和应用一.线性代数基础知识回顾二.奇异值分解1.引例2.概述3.例子4.计算过程5.SVD的证明思路6.利用SVD对数据进行"降维"根据第一张图发现只需要两个奇异值,那么就只保留与原创 2021-01-21 15:54:48 · 767 阅读 · 0 评论 -
数学建模实战11(时间序列分析)
时间序列分析一.题目1二.过程1.观察数据2.创建新的时间序列3.绘出时间序列图4.进行时间序列分析一.题目1二.过程1.观察数据很明显是一个时间序列数据,但是没有季节性波动2.创建新的时间序列3.绘出时间序列图4.进行时间序列分析检验白噪声由于Q检验无法检验直接用Acf和pacf注意:预测人口不能用这个,因为人口会趋于稳定,所以一般不用这个,只是一个例子...原创 2021-01-20 19:56:12 · 912 阅读 · 0 评论 -
数学建模(NO.18灰色预测)
灰色预测一.灰色系统二.GM(1,1)模型: Grey(Gray) Model1.概述2.原理介绍3.完全多重共线性问题再探究一.灰色系统灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的、与时间有关的灰色过程进行预测。灰色预测对原始数据进行生成处理来寻找系统变动的规律,并生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。二.GM(1,1)模型: Grey(Gray) Model1.概述GM(1,1)是使用原始的离散非负数据原创 2021-01-20 19:55:44 · 1195 阅读 · 0 评论 -
数学建模(NO.19BP神经网络)
BP神经网络一.原理二.机器学习中的训练集,验证集和测试集三.例题1:辛烷值的预测1.题目2.数据的导入3.使用神经网络进行预测4.结果分析5.保存结果6.保存结果并对进行预测四.例题2:神经网络在多输出中的运用一.原理神经网络原理简单介绍神经网络的应用链接:https://pan.baidu.com/s/1hu7x_LC65Ez382725sqU4g (提取码:dwla)备用下载链接:https://pan.baidu.com/s/1tHOA9rIMNYgFqHfIqCMwlQ二.机器学习中原创 2021-01-20 19:55:20 · 3606 阅读 · 0 评论 -
数学建模实战10(时间序列回归)
销量数据预测一.Spss时间序列建模的思路二.销量数据预测1.题目2. 操作【1】生成时间变量【2】画出时间序列图【3】查看建模结果【4】论文如何写【5】预测3.论文中写什么一.Spss时间序列建模的思路下面的步骤是自己在思考建模的过程哦,不是写在论文中的:(1)处理数据的缺失值问题、生成时间变量并画出时间序列图;(2)数据是否为季度数据或者月份数据(至少有两个完整的周期,即两年),如果是的话则要观察图形中是否存在季节性波动。(3)根据时间序列图大致判断数据是否为平稳序列(数据围绕着均值上下波动,原创 2021-01-20 11:53:35 · 6715 阅读 · 3 评论 -
数学建模(NO.17时间序列回归补充)
时间序列回归补充一.引言二.一元时间序列分析的模型三.平稳性(stationary series)1.弱平稳2.严格平稳3.白噪声4.例子四.差分方程五.滞后算子六.模型1.AR(p)模型(auto regressive)【1】概述【2】AR(p)AR(p)AR(p)模型平稳的条件【3】举个小例子2.MA(q)模型(moving average)【1】模型概述【2】MA模型和AR模型的关系【3】MA(q)模型的平稳性3.ARMA(p,q)模型【1】概述【2】ARMA(p,q)模型的平稳性4.ARIMA(p,原创 2021-01-20 10:09:54 · 858 阅读 · 0 评论 -
数学建模(NO.16 时间序列回归)
时间序列回归一.应用二.时间序列数据三.时间序列的基本概念四.时间序列分解五.叠加模型和乘积模型六 步骤1.Spss处理时间序列中的缺失值2.Spss软件定义时间变量3.时间序列图(时序图)4.季节性分解5.画出分解后的时序图七.时间序列分析总结八.建立时间序列分析模型1.指数平滑模型【1】总介绍【2】Simple模型【3】线性趋势模型(linear trend)【4】阻尼趋势模型(Damped trend)5.简单季节性(Simple seasonal)6.温特加法模型(Winters' additive原创 2021-01-19 11:51:06 · 4644 阅读 · 0 评论 -
数学建模实战9(聚类分析)
一.题目二.消除量纲三.第一次聚类结果四.画出图确定k值选择中间这一列到Excel先排序,降序,然后进行绘图,散点图选择2,因为2开始是变平缓其他和第一次都一样,这里改一下,结果一样是由于spss默认聚类为2五.画出图可以简单改变一下...原创 2021-01-17 09:44:39 · 1747 阅读 · 0 评论 -
数学建模(NO.15聚类模型)
聚类模型一.应用二.K-means聚类算法1.K-means聚类的算法流程:2.图解K-means算法3.算法流程图4.K-means算法的一些讨论5.K-means算法的评价三.K-means++算法1.算法基础2. SPSS操作四.系统(层次)聚类一.应用所谓的聚类,就是将样本划分为由类似的对象组成的多个类的过程。聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计、分析或预测;也可以探究不同类之间的相关性和主要差异。聚类和上一讲分类的区别:分类是已知类别的,聚类未知二.K-mea原创 2021-01-17 08:59:25 · 977 阅读 · 0 评论 -
数学建模(NO.14分类模型)
分类模型一.应用二.逻辑回归基础知识1.线性概率模型(Linear Probability Model,简记LPM)2.两点分布(伯努利分布)3.连接函数的取法【1】表达式【2】函数图像对比4.如何求解5.怎么用于分类三.实战1.数据处理:生成虚拟变量2.spss操作(1)常规(2)假如自变量有分类变量(3)逐步回归的设置(4)结果分析3.表格中新添的两列解读4.如果预测结果较差(1)操作(2)加入了平方项后的结果5. 检验过拟合现象(1)概念(2)确定合适的模型一.应用二.逻辑回归基础知识1.线性原创 2021-01-16 21:17:32 · 2921 阅读 · 0 评论 -
数学建模实战8 (图论最短路径问题)
图论最短路径问题一.题目一.题目s=[1,1,1,2,3,3,5,5,5,5,6,6,7,9,9];t=[2,4,3,5,2,4,4,6,7,8,5,7,8,5,8];w=[6,1,3,1,2,2,6,4,3,6,10,2,4,2,3]; G=digraph(s,t,w); plot(G,'EdgeLabel',G.Edges.Weight,'linewidth',2) [p,d]=shortestpath(G,1,8)额。。。。。没啥技术含量...原创 2021-01-15 16:05:12 · 1150 阅读 · 0 评论 -
数学建模(NO.13图论最短路径问题)
图论最短路径问题一.图的基本概念二.绘图方法1.绘图网站2. Matlab绘图一.图的基本概念图论中的图(Graph)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。根据边是否有方向,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二.绘图方法1.原创 2021-01-15 15:35:14 · 5772 阅读 · 1 评论