数学建模之模型代码全归纳——壹：模型整理总序

又又又开新坑了，备战美赛，从头再来，这次力求把每一个模型钻研透彻，诸君，我们共同努力。

本文源于国赛后的总结反思：在C题的四个小问里关键词“分类”出现过，无论是选择分类依据或是提供新的分类方法，归根结底都是分类问题。但是在很多课程和资料中，常见的模型都是三类：评价、预测和优化，分类问题总是很模糊地混淆在分析、判别等字眼里，没有一个清晰的处理方法。因此，本文将分类问题（包含各因素相关分析类、根据特征建立目标画像类，对应C题第一四问和第二三问）单独化为一类进行讨论，并对其他问题的模型进行总结。

分析评价类

求各指标权重，最后给每个评判对象打分排序	层次分析法
	理想解法TOPSIS
	灰色关联分析法
	模糊关联分析法
	数据包络分析法
	主成分分析法
	熵权法
	秩和比评价法
	Pagerank(马尔可夫排序)

相关分组类

通过一系列的数据分析手段，得到两种结果： 一是得到一个数学表达式表示变量之间或是 变量与最终结果之间的关系；二是将原有样 本根据指标值的不同划分为不同的类别。常用概率论中的参数进行检验（方差分析和相关性分析甚至主体就是统计学参数）	拟合法
	微分方程
	差分方程
	回归分析
	主成分分析法
	方差分析
注：从决策树开始下面的模型都是基于机器学习方法的，随机森林是决策树的集成版	相关性分析
	对应分析
	多维标度法
注：无论是拟合还是微分/差分方程或者是回归分析，最后都是要得到一个函数表达式	因子分析
	决策树
	支持向量机
注：回归分析是指可用matlab工具箱进行 计算的模型，逻辑回归用到了机器学习	逻辑回归
	随机森林
	聚类算法

数据预测类

分析数据，处理数据，根据数据的特征，判断未给出的样本点的数值	微分方程
	插值法
	拟合法
	灰色预测
	马尔科夫链
	时间序列
	神经网络

优化最佳类

最终目的只有一个:找极值， 不一定是最值，因为可能存在局部最优解	线性规划
	非线性规划
	0-1规划
	整数规划
注：图论可以细化为很多模型	多目标规划
注：从梯度下降开始都是寻找最优解的实践过程， 根据上面的模型建立数学方程，用下面的模型迭代找最优解	差分方程
	动态优化
	图论算法
	统筹方法
	梯度下降
注：各种下降法较为简单，仅适用于凸函数，多用在解决小问和补充其他方法上，智能优化算法则普遍使用	最速下降
	模拟退火
	遗传算法
	粒子群算法

后面会对每一个模型出一篇博客进行讲解，不仅是与大家分享交流，更是在提高笔者对模型的掌握程度 ，这也是笔者写博客的初衷。那么，欲知后事如何，请听下回分解。