数学建模
Raymond&yin
Learn to Code.
展开
-
数学建模Day9 聚类模型
聚类模型xmind思维导图下载戳这里 聚类模型和之前的分类模型很相似,就是聚类模型的分类是没有标签的,分类是已知一堆水果有苹果、橘子和香蕉,让你去对样本进行分类,而聚类是只知这堆东西的参数,而不知道分类的标签,让你凭着样本的参数去进行聚类。这有点像机器学习的有监督学习和无监督学习,两者最大的区别就是数据是否有标签。 聚类最终分的类别数是根据你的研究目的调整的,哪样好解释就聚类成那样,当然也可以根据肘部准则去进行分类。 SPSS中可以进行k-means++聚类和系统聚类,分别在“分析 - 分类 -原创 2020-06-08 21:39:31 · 487 阅读 · 0 评论 -
数学建模Day8 分类模型
分类模型xmind思维导图下载戳这里 SPSS中,对分类模型的操作很简单,而且可以自定义很多参数、指标等,基本上拿到数据以后点一下鼠标就能出结果。不过要对分类模型进行优化,如果分别的正确率不高,可以换其他的分类方法,还要将部分数据作为测试组,对模型进行测试,看看模型的预测结果如何,如果模型对训练的数据表现很好,而对测试组的数据表现很差,则产生了过拟合现象,需要重新优化算法。PS。图论模型在生活中也是很重要的,不过在算法设计中,作者代码快写吐了,这里就不单独在写了,图论中迪杰斯特拉算法大名鼎鼎,可以求得原创 2020-06-07 15:03:31 · 413 阅读 · 0 评论 -
数学建模Day7 多元线性回归
多元线性回归xmind思维导图下载戳这里 多元线性回归在数学建模中用得还是挺频繁的,多元线性回归是用来分析因变量Y和自变量Xi之间的关系,然后根据回归结果去解释Y的形成,得到对Y影响较大的自变量Xi,或者预测Y的发展趋势。...原创 2020-06-03 21:01:25 · 501 阅读 · 0 评论 -
数学建模Day6 典型相关分析
典型相关分析xmind思维导图下载戳这里个人理解 典型相关分析不同于相关系数,相关系数是分析两个单变量之间的相关关系,而典型相关分析可以分析两组变量之间的关系。比如一组变量A1、A2、A3,另一组变量B1、B2、B3,注意这里的变量分组是有要求的,"相似"的变量可以分为一组(比如现在有四个变量,身高、体重、一顿饭的摄入量、每天喝水的量,这里可以把身高体重分为一组,描述的是人的外在特征、而后两者描述的是饮食特征,当然我们要具体问题具体分析)。然后在分析每一组变量的时候,我们需要选取一组的一个代表来代表这原创 2020-06-02 16:24:11 · 641 阅读 · 0 评论 -
数学建模Day5 相关系数
皮儿逊相关系数Xmind思维导图下载斯皮尔曼相关系数Xmind思维导图下载原创 2020-05-31 22:02:20 · 287 阅读 · 0 评论 -
数学建模Day4 拟合算法
插值算法Xmind思维导图下载地址戳这里个人理解 拟合算法其实通俗易懂,就是已知一些函数的某些点,需要确定一条曲线,使得这条曲线与原函数"越接近越好"。那么"接近"的度量是什么呢,最小二乘法,即就是计算参数使得估计值与实际值的偏差的平方和最小。最小二乘法相关的推导证明在此省略。 对于函数拟合,matlab的Curve Fitting功能 十分友好且强大,只需要我们把数据投进去,甚至不需要给出规定的函数次数以及形式,matlab就能给出最佳拟合函数,并且输出函数参数、拟合的误差平方和、R方等参数原创 2020-05-28 20:47:58 · 385 阅读 · 0 评论 -
数学建模Day3 插值算法
Xmind思维导图下载地址戳这里Ps.明天会更新拟合算法,并对两者进行比较归纳><原创 2020-05-27 20:08:53 · 402 阅读 · 0 评论 -
数学建模Day2 Topsis算法
Xmind思维导图下载地址戳这里 Topsis算法相较于层次分析法显得更为客观以及科学,因为层次分析法毕竟是建立在人的感觉之上的,而众所周知,人的感觉是不准的,而Topsis算法可以很科学的反映不同样本的优劣。 Topsis的使用条件得是有数据,如果没有数据的话我们只能采用层次分析法这样主观性很强的算法。有数据也就有标签,比如精确率、命中率、成功次数,前面这一类很明显是积极的指标,也就是越大越好的那种,而诸如失败率、次品率、污染率等是消极的指标,还有一些是中间型指标,比如人的体温、信道得利用率等。但原创 2020-05-26 19:11:16 · 518 阅读 · 0 评论 -
数学建模Day1 层次分析法
1. 分析题目,得到三层结构目标层:如何最合理有效地规划空闲时间准则层:健康、收益、心情方案层:打游戏、学习、运动2. 构造判断矩阵准则层的判断矩阵如下:一致性检验: CI=(max-n)/(n-1)=(3.1059-3)/(3-1)=0.05295 CR=CI/RI=0.05295/0.52=0.1 一致性指标需要小于0.1,否则需要调整判断矩阵。3. 计算权重有三种方法: i 算术平均法 ii 几何平均法 iii 特征值法其他的矩阵运算结果如下:原创 2020-05-30 18:05:42 · 552 阅读 · 0 评论