![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学建模
rglkt
这个作者很懒,什么都没留下…
展开
-
GRA灰色关联度分析学习 附python代码
主要学习了这位大佬的文章,讲的也很通俗易懂了以下的示例以及一些图片也是从大佬那边抄过来的,主要记录一下自己的学习感受.灰色关联度分析,听名字很高大上,实际上就是算关联度的一个方法.就是想看看某几个因素中,哪个因素对事情的影响更大.比如这个例子就算想看,其他这么一堆因子中,对旅游总收入的影响,哪个更大一些.个人从结果上看,还挺像熵权法的…现在知道了就是想算影响关系,那就完成了第一步,确定子母序列,母是结果,子是影响因子.然后第二步,就要对数据进行预处理了.就想熵权法要归一化,这个也要…看大神的说法原创 2020-08-04 16:12:35 · 3442 阅读 · 2 评论 -
Sklearn PCA 主成分分析
目前理解的主成分分析作用:用于降维,方便后续的处理.这次在尝试学习相关原理了,不过学的还是不是很通顺,还是很难理解线性代数的一些处理方法的直观意义.(本篇博客原理部分是从其他博主博客糅合进来的)第一步就是每个样本都减去期望值(均值)的意思,这样每个样本的均值就都为0了.协方差矩阵涨这样,对角线是方差,其他都是协方差.我们比较熟悉的协方差计算公式是这样的.由于第一步处理的时候,E(Xi)都为0了,所以cov(X,Y)=E(XY).然后就变成了这个公式.方差变成了这个公式3.第三步理原创 2020-07-31 10:25:42 · 477 阅读 · 0 评论 -
2017年数模国赛B题第一小题的思路过程(个人思路)
第一题.简单来讲,就是给了一些数据,让我们拟合回归方程.这是附件一的数据(任务相关数据)这是附件二的数据(会员相关数据,会员即执行任务的人)用excel地图将两类数据可视化.任务数据颜色为是否完成,高低为任务标价会员数据先对图分析一下,能注意到这些问题:任务主要分布在四个城市,东莞深圳广州佛山东莞完成度很高,深圳完成度很低会员有挺多离群数据点我们小组成员总结出的两个附件的一些影响因子:任务的位置:1.任务可能以四个城市为主,离城市越远,价格越贵.2.任务.原创 2020-07-27 00:32:28 · 9003 阅读 · 0 评论 -
sklearn标准化,归一化 python熵权法的实现
补一下上次文章的坑,有关标准化和归一化的问题.标准化:(X-E(x))/D(x)归一化: (X-min)/(max-min)两个的具体差别我的感受不是特别深刻,用的比较多的是归一化.from sklearn.preprocessing import MinMaxScalermm = MinMaxScaler()mm_data = mm.fit_transform(X)origin_data = mm.inverse_transform(mm_data)X=mm_datafrom skle原创 2020-07-26 17:41:57 · 3106 阅读 · 1 评论 -
sklearn多元回归分析(线性回归,ransac)
今天主要学习的是多元回归分析.我个人的简单理解就是用`y=ax1+bx2+cx3+...+β`线性方程来拟合某个规律.一元的时候是最小二乘法,高中的知识.多元的时候也是,暂时还没研究具体的公式和感受公式的含义.只当是高中公式一样,单纯往里套(调用sklearn的API)2017年数模国赛B主要目标是用红框的三个因素来拟合任务标价.先上代码.from sklearn.linear_model import LinearRegressionimport openpyxlimport matpl原创 2020-07-25 23:21:46 · 3682 阅读 · 0 评论 -
K-Means 聚类算法 python sklearn
K-means聚类算法的学习笔记.首先,聚类算法是一种未知标签的情况下进行的一种分类,无监督学习关于K-means的算法网上也有许多介绍,主要记录一下自己的想法.以数模国赛2017年B为例1.首先碰到的问题是,有一堆的经纬度,怎么将这堆经纬度归类呢?从以下的图中其实可以观察到,主要为四类,东莞,佛山,广州,深圳.那么初始可以定义有四类.2.然后就是怎么归类的问题,我认为还是比较容易理解的.我们可以选取四个中心点,然后所有点里面,离哪个中心点近就归为中心点那类,然后就可以得到四类点.然后我们再原创 2020-07-24 22:21:05 · 2687 阅读 · 1 评论