数学建模
文章平均质量分 92
清风建模学习记录
Xiu Yan
北漂程序员一枚,目前就职华为。
展开
-
清风数学建模学习笔记——层次分析法(AHP)
层次分析法 层次分析法(analytic hierarchy process),简称AHP。是建模比赛中比较基础的模型之一,其主要解决评价类的问题。如选择哪种方案最好,哪位员工表现最好等)。 它是一个较为 主观 的评价方法,其在赋权得到权重向量的时候,主观因素占比很大。因而在建模比赛中,常常与客观方法得到的权重向量方法进行综合,而得出一个综合的权重向量,进行后续操作。一、模型介绍 ...原创 2021-01-06 18:42:26 · 118819 阅读 · 36 评论 -
清风数学建模学习笔记——TOPSIS法(优劣解距离法)
优劣解距离法 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。...原创 2021-01-08 17:33:08 · 61990 阅读 · 17 评论 -
清风数学建模学习笔记——熵权法(客观赋权法)
熵权法 熵权法是一种客观赋权方法。(客观 = 数据本身就可以告诉我们权重) 依据的原理:指标的变异程度越小,所反映的信息量也越少,其对应的权值也应该越低。一、方法介绍 熵权法就是根据一项指标的变化程度来分配权重的,举个例子:小张和小王是两个高中生,小张学习好回回期末考满分,小王学习不好考试常常不及格。在一次考试中,小张还是考了满分,而小王也考了满分。那就很不一样了,小王这里包含的信息就非常大,所对应的权重也就高一些。 上面的小例子告诉我们:越有可能发生的事情,信息量越少。越不可能发生的事原创 2021-01-11 17:49:36 · 53885 阅读 · 27 评论 -
清风数学建模学习笔记——模糊综合评价法原理及案例分析讲解
模糊数学绪论用数学的眼光看世界,可把我们身边的现象划分为:确定性现象:如水加温到100C就沸腾,这种现象的规律性靠经典数学去刻画;随机现象:如掷筛子,观看那一面向上,这种现象的规律性靠概率统计去刻画;模糊现象:如“今天天气很热”,“小伙子很帅”,…。此话准确吗?有多大的水分?靠模糊数学去刻画。一、概述1. 数学中研究的量的划分量分为 确定性 和 不确定性:确定性:经典数学(几何、代数)不确定性:随机性(概率论、随机过程)灰性(灰色系统)模糊性(模糊数学)2.原创 2021-01-12 17:19:30 · 46886 阅读 · 13 评论 -
清风数学建模学习笔记——灰色关联分析(GRA)详细解读与案例分析
灰色关联分析 灰色关联分析的基本思想 是根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的关联度就越大,反之则越小。 此方法可用于 进行系统分析,也可应用于对问题 进行综合评价。文章目录灰色关联分析一、概述二、模型实现1. 应用一:进行系统分析2. 应用二:进行综合评价问题三、模型扩展(★)一、概述 一般的抽象系统,如社会系统、经济系统、农业系统、生态系统、教育系统等都包含有许多种因素,多种因素共同作用的结果决定了该系统的发展态势。人们常常希望知道在众多的原创 2021-01-21 16:38:51 · 42678 阅读 · 6 评论 -
清风数学建模学习笔记——应用matlab实现分段三次埃尔米特(Hermite)插值与三次样条插值
插值算法 数模比赛中,常常需要根据已知的函数点进行数据、模型的处理和分析,而有时候现有的数据是极少的,不足以支撑分析的进行,这时就需要使用一些数学的方法,模拟产生一些新的但又比较靠谱的值来满足需求,这就是插值的作用。另外也可以通过插值起到预测的作用。一、拉格朗日插值法与牛顿插值算法中的弊端 拉格朗日插值法 和 牛顿插值法 都存在 龙格现象,即在两端处波动极大,产生明显的震荡,使得函数的误差会很大。其次,两种插值仅仅要求插值多项式在插值节点处与被插函数有相等的函数值,而这种插值多项式却 不能全面反原创 2021-01-21 20:00:14 · 7279 阅读 · 3 评论 -
清风数学建模学习笔记——拟合算法
拟合算法 与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所有的数据点最为接近,即曲线拟合的最好(最小化损失函数)。一、插值和拟合的区别 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。(拟合的结果是原创 2021-01-24 17:12:33 · 3641 阅读 · 0 评论 -
清风数学建模学习笔记——逻辑回归的二分类模型
二分类模型 对于二分类模型,本文将介绍逻辑回归 (logistic regression) 与 Fisher 线性判别分析两种分类算法。后文还将介绍应用 SPSS 进行回归的案例分析。一、逻辑回归 logistic regression 介绍 对于因变量为分类变量的情况,我们可以使用逻辑回归进行处理。把 y 看成事件发生的概率,y > 0.5 表示发生;y < 0.5 表示不发生。 如:是否违约、是否得病…二、模型推导理论部分可以忽略哦~线性概率模型 LPM 针对以原创 2021-02-11 12:37:32 · 5960 阅读 · 1 评论 -
清风数学建模学习笔记——K-means聚类模型详解及SPSS操作流程
聚类模型 聚类模型,就是将样本划分为有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。此外,聚类与分类的群别在于分类是已知类别的,而聚类是未知的。一、K-means聚类算法步骤:指定需要划分的簇的个数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;调整新类并原创 2021-02-12 17:06:06 · 17873 阅读 · 3 评论 -
清风数学建模学习笔记——系统(层次)聚类原理详解及案例分析
系统聚类 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。此外,系统聚类可以解决簇数 K 的取值问题。一、样本与样本间的距离例:下表是30个学生的六门课的成绩。根据这30个人的成绩,对这30个学生进行分类。 样本与样本之间的常用距离(样本 i 与样本 j ): 例: 二、指标与指标之间的距离例:根据这30个人的成绩,将六门课程分为两类。指标与指标之间的常用距离(指标 i原创 2021-02-13 01:16:45 · 14691 阅读 · 6 评论 -
清风数学建模学习笔记——主成分分析(PCA)原理详解及案例分析
主成分分析 本文将介绍主成分分析(PCA),主成分分析是一种降维算法,它能将多个指标转换为少数几个主成分,这些主成分是原始变量的线性组合,且彼此之间互不相关,其能反映出原始数据的大部分信息。 一般来说,当研究的问题涉及到多变量且变量之间存在很强的相关性时,我们可考虑使用主成分分析的方法来对数据进行简化。一、主成分分析简介 主成分分析可以用较少的新变量替换原来较多的新变量,而且是这些较少的新变量尽可能多地保留原来所反映的信息。 主成分分析是数据降维算法的一种,降维是将高维度的数据(指标太多)保原创 2021-02-13 15:48:24 · 56302 阅读 · 9 评论 -
清风数学建模学习笔记——灰色预测模型推导及原理详解
灰色预测模型 灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的、与时间有关的灰色过程进行预测。 灰色预测对原始数据进行生成处理来寻找系统变动的规律,并生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。一、GM(1,1)模型简介 GM(1,1)是最简单的灰色预测模型,它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原创 2021-02-18 00:49:41 · 19156 阅读 · 1 评论