一.数据处理
1） 插值拟合：对数据补全和基本趋势分析
对数据补全和基本趋势分析（根据某个未知函数（或已知但难于求解的函数）的几个已知数据点求出变化规律和特征相似的近似曲线的过程。）
插值：求过已知有限个数据点的近似函数。
拟合：已知有限个数据点，求近似函数，不要求过已知数据点，只要求在某种意义下它在这些点上的总偏差最小。
插值和拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二 者的数学方法上是完全不同的。
插值的方法多种多样，拟合问题除了用最小二乘，还可以用机器学习OR深度学习算法来实现，但要注意过拟合问题。
2） 聚类分析（高斯混合聚类，K—均值聚类）：用于诊断数据异常值并剔除
聚类分析用数量化的方法对事物进行分类，事物的类别标签未知（无监督学习），但已知样本的多个特征取值。
3）主成分分析，线性判别分析，局部保留投影：多维数据的降维处理，减少数据冗余
距离判别是简单、直观的一种判别方法，该方法适用于连续性随机变量的判别类， 对变量的概率分布没有什么限制。
fisher判别
Fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向上，使得投影类与类之间得以分离的一种判别方法。
当总体的参数未知时，我们用样本进行估计，注意到这里的 Fisher 判别与距离判别一样,不需要知道总体的分布类型，但两总体的均值向量必须有显著的差 异才行，否则判别无意义。
Bayes 判别和 Bayes 估计的思想方法是一样的，即假定对研究的对象已经有一定的 认识，这种认识常用先验概率来描述，当我们取得一个样本后，就可以用样本来修正已 有的先验概率分布，得出后验概率分布，再通过后验概率分布进行各种统计推断。
4）均值，方差分析，协方差：数据的截取和特征选择
显示出数据的趋势、特征和数量关系，包括描述性统计量算术平均值、中位数、标准差、方差、极差、偏度和峰度、参数估计、假设检验…分布函数、密度函数和分位数 、分布拟合检验、中位数检验。
对正态分布、均匀分布、指数分布、伽马分布、卡方分布与贝塔分布作了大致的介绍，需要记住它们的参数、数学期望与方差、以及密度函数，一个分布就是一个概率模型。
二.关联与因果
1）灰色关联分析（样本点少）
灰色系统是部分信息已知而部分信息未知的系统，常常采用离散模型，建立一个按时间逐段进行短期分析的模型。其中的关联度分析方法，即根据因素之间发展态势的相似或相异程度来衡量因素间关联的程度
2）Superman,kendall等级相关分析
3）Person相关（样本点多）
4）Copula相关（金融数学，概率密度）
5）典型相关分析
三.分类与判别
1）距离聚类（系统聚类）常用
2）关联性聚类（常用）
3）层次聚类
层次法（Hierarchicalmethods）先计算样本之间的距离。每次将距离最近的点合并到同一个类。然后，再计算类与类之间的距离，将距离最近的类合并为一个大类。不停的合并，直到合成了一个类。其中类与类的距离的计算方法有：最短距离法，最长距离法，中间距离法，类平均法等。比如最短距离法，将类与类的距离定义为类与类之间样本的最短距离。
4）密度聚类
5）贝叶斯判别（统计判别方法）
Bayes 判别和 Bayes 估计的思想方法是一样的，即假定对研究的对象已经有一定的 认识，这种认识常用先验概率来描述，当我们取得一个样本后，就可以用样本来修正已有的先验概率分布，得出后验概率分布，再通过后验概率分布进行各种统计推断。
6）费舍尔判别（训练的样本较少）
Fisher 判别的基本思想是投影，即将表面上不易分类的数据通过投影到某个方向上，使得投影类与类之间得以分离的一种判别方法。
当总体的参数未知时，我们用样本 进行估计，注意到这里的 Fisher 判别与距离判别一样,不需要知道总体的分布类型，但两总体的均值向量必须有显著的差异才行，否则判别无意义。
7）模糊识别（分好类的数据点少）
在工程技术和经济管理中，常常需要对某些指标按照一定的标准(相似的程度或亲 疏关系等)进行分类处理。例如，根据生物的某些性态对其进行分类，根据空气的性质 对空气质量进行分类，以及工业上对产品质量的分类、工程上对工程规模的分类、图像识别中对图形的分类、地质学中对土壤的分类、水资源中的水质分类等等。这些对客观 事物按一定的标准进行分类的数学方法称为聚类分析，它是多元统计“物以聚类”的一种分类方法。然而，在科学技术、经济管理中有许多事物的类与类之间并无清晰的划分， 边界具有模糊性，它们之间的关系更多的是模糊关系。对于这类事物的分类，一般用模糊数学方法、我们把应用模糊数学方法进行的聚类分析，称为模糊聚类分析。
四.评价与预测
1）模糊综合评判
评价一个对象的层次，不能排序（模糊综合评价可以用来对人、事、物进行全面、正确而又定量的评价）
2）主成分分析
评价多个对象的水平并排序。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。比如人口统计学数量地理学、分子动力学模拟。
3）层次分析法：做决策，通过指标。
将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。
4）数据包络（DEA）分析法：优化问题，对各省发展情况评价。
根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。
5）秩和比综合评价法：评价各个对象并排序，指标间关联不强。
适用于四格表资料的综合评价，也适用于行×列表资料的综合评价，同时也适用于计量资料和分类资料的综合评价。
6）神经网络评价：多指标非线性关系明确的评价
7）优劣解距离法：
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。
8）投影寻踪综合评价法：柔和多种算法（遗传，最优化理论）
9）方差，协方差分析
协方差分析是加入协变量的方差分析，协变量实际上就是我们所说的控制变量，你的调查研究中如果有一些你并不真正关心、但有可能对因变量有影响的变量，你可以将其作为协变量，这就意味着你控制了该变量对因变量的效应，从而可以考察自变量与因变量的真实关系。
五.预测与预报
小样本内部预测，大样本内部预测，小样本未来预测
大样本随机因素或周期特征的未来预测，大样本的未来预测
1）灰色预测模型（重要）
通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法
2）微分方程预测（备用）
无法直接找到原始数据之间的关系，但可以找到原始数据变化速度之间的关系，通过公式推导转化为原始数据的关系
3）回归分析预测（重要）
分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型预测模型，根据自变量在预测期的数量变化来预测因变量关系大多表现为相关关系
4）马尔科夫预测（备用）
主要用于市场占有率的预测和销售期望利润的预测。就是一种预测事件发生的概率的方法。当概率转移矩阵为正规矩阵时，该矩阵将在第m代到达稳态（平稳）
5）时间序列预测
（重要）
定量预测，其基本原理是:一方面承认事物发展的延续性，运用过去的时间序列数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到由于偶然因素影响而产生的随机性，为了消除随机波动产生的影响，利用历史数据进行统计分析，并对数据进行适当处理，进行趋势预测。
6）小波分析预测
小波变换是时间（空间）频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，有人把小波变换称为“数学显微镜”。（数据隐藏，水印）
7）神经网络预测
BP应用在分类，网络的训练是指给一些样本，同时告诉你这些样本属于哪一类，然后代入网络训练，使得这个网络具备一定的分类能力，训练完成以后再拿一个未知类别的数据通过网络进行分类。这里的训练过程就是先伪随机生成权值，然后把样本输入进去算出每一层的输出，并最终算出来预测输出（输出层的输出），这是正向学习过程；最后通过某种训练算法（最基本的是感知器算法）使得代价（预测输出与实际输出的某范数）函数关于权重最小，这个就是反向传播过程。
8）混沌序列预测
混沌时间序列是一种确定系统中出现的无规则的运动。混沌的离散情况常常表现为混沌时间序列，混沌时间序列是由混沌模型生成的具有混沌特性的时间序列，混沌时间序列中蕴涵着系统丰富的动力学信息
六.优化与控制（运输，调度，最优）
1）线性规划，整数规划，0-1规划（有约束，确定目标）
2）非线性规划与智能优化算法
3）多目标规划和目标规划
4）动态规划
5）图论，网络优化（多因素）
6）排队论与计算机仿真
由于生活中常常有服务的数量超过服务机构（服务台、服务员等）的容量；有形或无形的排队现象随处可见! 电话局的占线问题，车站、码头等交通枢纽的车船堵塞和疏导，故障机器的停机待修，水库的存贮调节等。
7）模糊规划（范围约束）
8）灰色规划
当各灰数的白化值允许在指定区间内一致取数，并且区间内何处具有满意解，是用“漂移”方式解决的，则称漂移型灰色线性规划;若允许约束方程组中有尽可能多的约束方程，其约束值必须大于零，或者说该约束值是以零为下界的灰数，则为资源利用型(开发型)灰线性规划;若约束方程组中有尽可能多的约束方程其约束值为零，有尽可能多的约束值取下限，或者说是有上界的灰数，则为资源保守型灰线性规划。
七.智能算法
1）模拟退火法
模拟退火算法作为一种通用的随机搜索算法，现已广泛用于VLSI设计、图像识别和神经网计算机的研究。
2）粒子群算法
用一种粒子来模拟上述的鸟类个体，每个粒子可视为N维搜索空间中的一个搜索个体，粒子的当前位置即为对应优化问题的一个候选解，粒子的飞行过程即为该个体的搜索过程．粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整。
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
