数学建模
文章平均质量分 67
数学建模
勤奋努力的野指针
我比较懒,没有什么介绍……
展开
-
【数学建模】-相关系数
如果两个变量本身就是线性的关系,那么皮尔逊相关系数绝对值大的就是相关性强,小的就是相关性弱在不确定两个变量是什么关系的情况下,即使算出皮尔逊相关系数,发现很大,也不能说明那两个变量线性相关,甚至不能说他们相关,我们一定要画出散点图来看才行。...原创 2022-08-27 00:12:58 · 277 阅读 · 0 评论 -
【数学建模】-聚类模型学习笔记之系统(层次)聚类
学习来源:清风老师于晶贤‐辽宁石油化工大学‐聚类分析之系统聚类法系统聚类的合并算法通过计算两类数据点间的距离,对最为接近的两类数据点进行组合,并反复迭代这一过程,直到将所有数据点合成一类,并生成聚类谱系图。系统(层次)聚类算法流程将每个对象看作一类,计算两两之间的最小距离将距离最小的两个类合并成一个新类重新计算新类与所有类之间的距离重复二三两步,直到所有类最后合并成一类结束如何分类分类准则样品与样品之间的常用距离指标与指标之间的常用“距离”夹角与夹角之原创 2022-05-02 14:01:03 · 2656 阅读 · 0 评论 -
MATLAB基本操作之数学-学习笔记
学习来源数学建模算法与应用(第2版)%%特殊向量t=0:0.1:10%产生从0~10的行向量,元素之间间隔为0.1%t=linspace(n1,n2,n)t=linspace(1,10,3)%产生n1和n2之间线性均匀分布的n个数(默认n时,产生100个数)%t=logspace(n1,n2,n)t=logspace(1,10,3)%在10^n1和10^n2之间按照对数距离等间距产生n个数(默认n时,产生50个数)%%特殊向量%单位矩阵%eye(m)eye(2)%eye(m,原创 2022-05-04 13:54:36 · 3233 阅读 · 0 评论 -
【数学建模】-聚类模型学习笔记之基于密度的聚类算法DBSCAN算法
基本概念DBSCAN是一种基于密度的聚类方法,聚类前不需要预先指定聚类的个数,生成的簇的个数不定(和数据有关)。该算法利用基于密度的聚类的概念,即要求聚类空间中的一定区域内所包含对象(点或其他空间对象)的数目不小于某一给定阈值。该方法能在具有噪声的空间数据库中发现任意形状的簇,可将密度足够大的相邻区域连接,能有效处理异常数据。DBSCAN算法将数据点分为三类:• 核心点:在半径Eps内含有不少于MinPts数目的点• 边界点:在半径Eps内点的数量小于MinPts,但是落在核心点的邻域内•原创 2022-05-03 13:51:26 · 1368 阅读 · 0 评论 -
【数学建模】预测模型之BP网络预测
学习来源:清风老师最简单的神经网络–Bp神经网络利用MATLAB 2016a进行BP神经网络的预测(含有神经网络工具箱)机器学习中的训练集,验证集和测试集机器学习中的训练集,验证集和测试集训练集(Training set) —— 用于模型拟合的数据样本。验证集(Validation set)—— 是模型训练过程中单独留出的样本集,它可以用于调整模型的超参数和用于对模型的能力进行初步评估。在神经网络中,我们用验证数据集去寻找最优的网络深度,或者决定反向传播算法的停止点或者在神经网络中选择隐藏层神原创 2022-05-11 00:49:59 · 4475 阅读 · 1 评论 -
【数学建模】预测模型笔记之灰色预测
学习来源:清风老师灰色预测灰色系统GM(1,1)模型: Grey(Gray) ModelGM(1,1)是使用原始的离散非负数据列,通过一次累加生成削弱随机性的较有规律的新的离散数据列,然后通过建立微分方程模型,得到在离散点处的解经过累减生成的原始数据的近似估计值,从而预测原始数据的后续发展。GM(1,1)模型,第一个‘1’表示微分方程是一阶的,后面的‘1’表示只有一个变量GM(1,1)原理介绍最小二乘法OLS原理介绍完全多重共线性问题再探究一阶微分方程一阶齐次线原创 2022-05-09 15:54:05 · 7409 阅读 · 0 评论 -
【数学建模】排队论
排队论原创 2022-07-04 14:20:21 · 197 阅读 · 0 评论 -
【数学建模】-多元线性回归分析
文章目录回归的思想回归分析:研究X和Y之间相关性的分析。相关性因变量Y自变量X回归分析的使命回归分析的分类数据的分类一元线性回归对于线性的理解回归系数的解释内生性的探究内生性的蒙特卡罗模拟核心解释变量和控制变量回归系数的解释什么时候取对数?学习来源:清风老师回归分析的任务就是,通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进而达到通过X去预测Y的目的。常见的回归分析有五类:线性回归、0‐1回归、定序回归、计数回归和生存回归,其划分的依据是因变量Y的类型。回归的思想回归分析:研究X和原创 2022-05-19 01:00:30 · 8977 阅读 · 0 评论 -
【数学建模】-聚类模型学习笔记之Kmeans聚类
学习来源:清风老师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。分类是已知类别的,聚类未知。K-means聚类算法算法流程指定需要划分的簇[cù]的个数K值(类的个数)随机地选择K个数据对象作为初始的聚类中心(不一定要是我们的样本点)计算其余的各个数据对象到这K个初始聚类中心的距离,把数据对象划归到距离它最近的那个中心所处在的簇类中调整新类并且重新计算出新类的中心循环步骤三和四,看中心是否收敛(不变),如果收敛或达到迭代次数则停原创 2022-05-01 17:56:12 · 1105 阅读 · 0 评论 -
MATLAB数据可视化学习笔记
地形地貌图形绘制%%地形地貌图形绘制[x,y]=meshgrid(1:10);%构造测量网格h=[0,0.02,-0.12,0,-2.09,0,-0.58,-0.08,0,0; 0.02,0,0,-2.38,0,-4.96,0,0,0,-0.1; 0,0.1,1,0,-3.04,0,-0.53,0,0.1,0; 0,0,0,3.52,0,0,0,0,0,0; -0.43,-1.98,0,0,0,0.77,0,2.17,0,0; 0,0,-2.29,0,0.6原创 2022-05-01 14:58:52 · 284 阅读 · 0 评论