本文探讨了数学建模中的统计方法，包括回归分析、概率估计、时间序列和机器学习。重点介绍了各类算法的应用，如马尔科夫链、时间序列预测和机器学习模型，以及模型检验和聚类方法，如k-means和分层聚类。同时，提到了预测问题中的残差和后验误差等评价指标。
统计一词源于国情调查，一般来说包括三个含义：统计工作、统计资料和统计科学。其中统计工作是指的搜集、整理和分析客观事物总体数量方面的资料，统计资料则是由统计工作所获得的各项数字或文字资料，一般反映在图表、分析报告、统计年鉴里面，而统计科学则是指导统计工作的原理、原则和方法。
因此，在数学建模比赛中统计问题一定要有文献资源和数据资源的搜集，并且这一部分内容也要反映在论文中，而整理通常来说是将搜集到的资料以图表的形式呈现在论文中，最后分析自然就是数据预处理和统计算法建模求解。
预测，顾名思义，即根据先用数据规律推算接下来的数据。而预测按照算法可以分为四大类，一为回归分析，二为概率估计，三为时间序列，四为机器学习。
0 1回归分析对于回归分析，该类算法适用于求解单一输出的问题，在某种程度上可以叫做函数拟合，即利用一种函数去逼近原有数据 。我们在高中阶段学习的线性回归就属于一种预测方法，下面给出几种函数类型：
多项式拟合：
非线性拟合：
多元拟合：
如下图所示，该图像是利用了非线性函数对原有数据进行了逼近，有了函数自然也就可以根据输入计算出接下来的数据，所以回归分析也只适用于单输出问题。而回归分析的关键问题就是对某一函数模型的参数进行求解，matlab中有专门的拟合工具箱polyfit和lsqcurvefit:
最低0.47元/天 解锁文章
扫一扫
5638
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
