- 博客(30)
- 收藏
- 关注
RSS订阅原创 聚类模型——未知类别
“物以类聚，人以群分”，所谓的聚类，就是将样本划分为由类似的对象组成的多个类的过程。聚类后，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。聚类和上一讲分类的区别：分类是已知类别的，聚类未知。
2024-07-27 17:55:57
611
原创 分类模型——逻辑回归和Fisher线性判别分析
本讲将介绍分类模型。对于二分类模型，我们将介绍逻辑回归(logistic regression)和Fisher线性判别分析两种分类算法；对于多分类模型，我们将简单介绍Spss中的多分类线性判别分析和多分类逻辑回归的操作步骤。
2024-07-27 17:32:45
551
原创 数学规划模型
数学建模中的数学规划模型是运筹学的一个重要分支，它利用数学方法和技巧对实际问题进行建模，并通过求解数学规划模型来找到最优解。数学规划旨在在给定的条件（约束条件）下，按照某一衡量指标（目标函数）来寻求计划、管理、工作中的最优方案，即求目标函数在一定约束条件下的极值问题。
2024-07-25 18:12:28
497
原创 蒙特卡洛模型
蒙特卡罗⽅法⼜称统计模拟法，是⼀种随机模拟⽅法，以概率和统计理论⽅法为基础的⼀种计算⽅法，是使⽤随机数（或更常⻅的伪随机数）来解决很多计算问题的⽅法。将所求解的问题同⼀定的概率模型相联系，⽤电⼦计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这⼀⽅法的概率统计特征，故借⽤赌城蒙特卡罗命名。
2024-07-25 17:05:01
651
原创 回归模型——岭回归和lasso回归
个人学习笔记，课程为数学建模清风付费课程在第七讲时，我们介绍了多元线性回归模型，估计回归系数使用的是OLS，并在最后探讨了异方差和多重共线性对于模型的影响。事实上，回归中关于自变量的选择大有门道，变量过多时可能会导致多重共线性问题造成回归系数的不显著，甚至造成OLS估计的失效。本节介绍到的岭回归和lasso回归在OLS回归模型的损失函数上加上了不同的惩罚项，该惩罚项由回归系数的函数构成，一方面，加入的惩罚项能够识别出模型中不重要的变量，对模型起到简化作用，可以看作逐步回归法的升级版；
2024-07-21 21:20:57
574
原创 回归模型——多元线性回归分析
Stata是一个统计分析软件，但它也具有很强的程序语言功能，这给用户提供了一个广阔的开发应用的天地，用户可以充分发挥自己的聪明才智，熟练应用各种技巧，真正做到随心所欲。事实上，Stata的ado文件（高级统计部分）都是用Stata自己的语言编写的。Stata其统计分析能力远远超过了SPSS，在许多方面也超过了SAS！
2024-07-20 10:53:20
1043
原创 图论模型——图论最短路径求解：弗洛伊德算法
算法（英语：或简写为Floyd algorithm），中文亦称弗洛伊德算法，是解决任意两点间的最短路径的一种算法，可以正确处理无向图或有向图（可以有负权重，但不可存在负权回路）的最短路径问题。Floyd算法与迪杰斯特拉算法或贝尔曼福特算法相比，能够一次性的求出任意两点之间的最短路径，后两种算法运行一次只能计算出给定的起点和终点之间的最短路径。当然，Floyd算法计算的时间也要高于后两种算法，其算法核心的步骤由三层循环构成2.最短路径应满足的结论从上图中不难得到以下两个结论：1。
2024-07-19 15:36:56
716
原创 相关性模型——相关系数
总体——所要考察对象的全部个体叫做总体。我们总是希望得到总体数据的一些特征（例如均值方差等）样本——从总体中所抽取的一部分个体叫做总体的一个样本。计算这些抽取的样本的统计量来估计总体的统计量：例如使用样本均值样本标准差来估计总体的均值（平均水平）和总体的标准差（偏离程度）。例子：我国10年进行一次的人口普查得到的数据就是总体数据。大家自己在QQ群发问卷叫同学帮忙填写得到的数据就是样本数据。1.2皮尔逊Pearson相关系数1.2.1矩阵散点图在计算皮尔逊相关系数之前。
2024-07-18 20:30:51
769
原创 插值与拟合模型——拟合算法
插值算法中，得到的多项式f(x)要经过所有样本点。但是如果样本点太多，那么这个多项式次数过高，会造成龙格现象。尽管我们可以选择分段的方法避免这种现象，但是更多时候我们更倾向于得到一个确定的曲线，尽管这条曲线不能经过每一个样本点，但只要保证误差足够小即可，这就是拟合的思想。拟合的结果是得到一个确定的曲线。
2024-07-18 16:45:56
861
原创 插值与拟合模型——插值算法
【注1】只要n+1个节点互异，满足上述插值条件的多项式是唯一存在的。【注2】如果不限制多项式的次数，插值多项式并不唯一。
2024-07-18 10:54:15
461
原创 模糊综合评价模型
当n=1时候，成立；假设n=k时成立，验证n=k+1也成立。=>对于所有的n均成立模糊数学又称Fuzzy 数学，是研究和处理模糊性现象的一种数学理论和方法。模糊性数学发展的主流是在它的应用方面。由于模糊性概念已经找到了模糊集的描述方式，人们运用概念进行判断、评价、推理、决策和控制的过程也可以用模糊性数学的方法来描述。例如模糊聚类分析模糊模式识别模糊综合评判模糊决策与模糊预测、模糊控制模糊信息处理等。这些方法构成了一种模糊性。
2024-07-18 09:57:59
765
原创 评价类模型——Topsis法
TOPSIS法（Technique for Order Preference by Similarity to Ideal Solution）可翻译为逼近理想解排序法，国内常简称为优劣解距离法TOPSIS 法是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。
2024-07-17 19:43:13
1007
原创 评价类模型——层次分析法
层次分析法(Theanalytichierarchyprocess,简称AHP)建模比赛中最基础的模型之一，其主要用于解决评价类问题（例如：选择哪种方案最好、哪位运动员或者员工表现的更优秀）
2024-07-17 18:44:39
1067
原创 Python数学建模与分析——Python数学模型选择
要知道算法模型对未知的数据表现如何，最好的评估办法是利用已经明确知道结果的数据运行生成的算法模型进行验证。此外，还可以采用重新采样评估的方法，使用新的数据来评估算法模型。本章就将介绍如何使用scikit--leam中的采样评估办法来评价算法模型的准确度。
2024-07-15 00:59:22
1100
原创 Python数学建模与分析——数据特征选定
特征选定是一个流程，能够选择有助于提高预测结果准确度的特征数据，或者有助于我们感兴趣的输出结果的特征数据。如果数据中包含无关的特征属性，会降低算法的准确度，对预测新数据造成干扰，尤其是线性相关算法，因此执行特征选定有助于:（1）降低数据的拟合度（2）提高算法的精度（3）减少训练时间。
2024-07-14 10:35:42
939
原创 Python数据建模与分析——Python数据预处理
开始在真实世界中，数据通常是不完整的(缺少某些感兴趣的属性值)、不一致的(包含代码或者名称的差异)、极易受到噪声(错误或异常值)的侵扰的。因为数据太大而且数据集经常来自多个异种数据源，低质量的数据将导致低质量的挖掘结果。就像个大厨现在要做美味的蒸鱼，如果不将鱼进行去鳞等处理，一定做不成我们口中美味的鱼 。
2024-07-14 10:00:22
545
原创 数学建模论文写作方法——问题重述与问题分析
个人学习笔记，课程为一、问题重述1.简述数学建模比赛论文是要我们解决一道给定的问题，所以正文部分一般应从问题重述开始，一般确定选题后就可以开始写这一部分了。这部分的内容是将原问题进行整理，将问题背景和题目分开陈述即可，所以基本没啥难度。本部分的目的是要吸引读者读下去，所以文字不可冗长，内容选择不要过于分散、琐碎，措辞要精练。注意在写这部分的内容时，绝对不可照抄原题!(论文会查重）应为在仔细理解了问题的基础上，用自己的语言重新将问题描述一遍。语言需要简明扼要，没有必要像原题一样面面俱到。
2024-07-13 16:51:15
375
原创 数学建模论文写作方法——首页
（超级重要！！！摘要是对论文内容的一份简短陈述，不能超过一页。使读者或评委在不阅读论文全文的情况下就能获得必要的信息。占据首页的一大半，平均字数在1k字左右需要充分概括论文内容，一般两到三句话即可，长度控制在三至五行。第一句话可以简单交代下题目的背景(可选)，第二句话交代你们所做的事情(必须)，第三句话可以说下解决这个问题的实际意义(少部分有)。重要性:第二句话>第一句话>第三句话废话改进后的说法本文模型的结果较优模型的xx结果是xx，相较于xx论文中的xx结果，在xx方面提升了xx%
2024-07-13 16:09:23
956
原创 基于springboot+vue+mysql的点餐系统（系统源码+视频介绍+论文文档等）
现目前市场上的网上订餐系统在为消费者提供舒适的就餐环境的同时，还需要提高和加强餐饮行业的管理水平。餐饮企业的核心是其深厚的文化内涵和鲜明的主题特征。主题餐厅应选择合适的营销策略，解决生存压力，培育核心竞争优势。设计一个能够保证信息的准确性和及时性的系统，并通过计算机随时对系统进行管理，使餐厅的点餐信息能够合理地传达给顾客和餐厅工作人员，并保证其具有选择就餐人数和桌数、点菜、下单、添加、结帐等功能，为餐厅的点餐信息管理提供了一种更加高效实用的管理方法。为餐厅点餐信息交流提供了一个更安全、快捷的信息平台。
2024-07-13 15:01:32
572
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人