目录
写在开始
本人获 2023 年数学建模国赛 C 题国家级一等奖,备赛期间专攻 C 题。本文总结了在备赛期间总结的模型和算法,足以应对 90% 国赛 C 题中涉及到的问题。本文只是一个索引,后续会持续更新其中所涉及到的模型、算法的详解、实现以及应用,敬请期待。由于精力有限,更新速度有限,如果有任何问题可以后台私信我。
需要掌握的数学模型/ 算法
-
评价体系/评价类问题
-
层次分析法(AHP)
-
熵权法(EWM)
-
客观赋权法(CRITIC)
-
优劣解距离法(TOPSIS)
-
多准则妥协解排序法(VIKOR)链接
-
-
时间序列处理
-
自相关性函数(ACF)
-
时间序列分解(STL)
-
差分整合移动平均自回归模型(ARIMA)
-
长短时记忆网络(LSTM)
-
灰色关联度分析(GRA)
-
-
数据降维
-
主成分分析法(ACF)
-
因子分析(FA)
-
-
聚类问题(无监督)
-
K-均值聚类(K-means)
-
密度聚类(DBSCAN)
-
层次化聚类(HC)
-
邓恩指标(DI)
-
-
分类问题(有监督)
-
多层感知机(MLP)
-
决策树(Decision Tree)
-
支持向量机(SVM)
-
K-近邻(KNN)
-
-
集成学习(Bagging/ Boosting)
-
随机森林(Random Forest)
-
梯度提升树(GBDT)
-
XGBoost
-
LightGBM
-
-
回归问题
-
多元线性回归(MLR)
-
逻辑斯特回归(Logistic Regression)
-
岭回归(Ridge Regression)
-
套索回归(Lasso Regression)
-
弹性网络回归(ElasticNet Regression)
-
逐步回归(Stepwise Regression)
-
-
关联分析
-
关联规则(Association Rules)
-
-
统计学方法/统计模型
-
相关系数(Correlation coefficient)
-
正态分布检验
-
非参数检验
-
参数检验
-
差异性检验
-
-
智能优化算法
-
遗传算法(GA)
-
粒子群算法/鸟群算法(PSO)
-
蚁群算法(ACO)
-
需要掌握的 Python 专业库
-
数据处理 pandas/ numpy
-
专业绘图 matplotlib/ seaborn
-
统计模型 scipy.stats/ statsmodels
-
机器学习 scikit-learn
-
智能优化 scikit-opt
需要掌握的软件/ 工具
-
数据分析 Excel/ SPSS/ SPSSPRO
-
论文写作 Word/ Latex(Overleaf)
-
专业绘图 Visio/ ProcessOn