清风数学建模（未完成）

matlab支持ctrl+F （查找替换）
matlab支持中文路径
ctrl+r 多行注释
ctrl+t 取消注释
disp(); 打印函数
strcat(str1,str2); 或者 [str1,str2] 合并字符串
num2str(); 将数字转换为字符串
input(); 输入函数
sum (); 求和函数 （向量，矩阵）
sum(矩阵名，dim) (dim = 1 按列求和） (dim = 2 按行求和）
E为矩阵 E(😃 ; 从小到大排列矩阵数据
matlab行数和列数都是从1开始计数

A([2,5]😅 取第二行和第五行所有元素
A(2:5,:) 取第二行到第五行所有元素
A(2:end,:) 取第二行到最后一行
A(2:2:5,:) 取第二行和第四行



sin(deg2rad(30)) 求sin 30°
size(A) 返回A的行数和列数

题目看清风课件
什么时候使用层次分析法：

什么时候用TOPSIS：
给出
二十条河流的水质指标及具体数据，请建立合适的模型，给这些河流的水质从高到低排排序。嗯，现在再用层次分析法，是不是就不太合适了……TOPSIS算法是解决上述问题的一个比较合适的算法

插值算法：
数学建模中常常需要进行数据处理，当给定的数据较少不足以支撑分析的进行时，可以采用插值算法产生一些新值满足数据处理的需求，简而言之，插值是求过已知有限个数据点的近似函数。

![在这里插入图片描述](https://img-blog.csdnimg.cn/5f4a554704884d49b40a596ecdd4e463.png

拟合算法：

当样本比较大的时候（一般样本n大于30），用拟合，但是当样本n比较小的时候用插值。
涉及到预期

相关系数，典型相关分析：（未完全理解啥时候用）
八年级女生体测数据：
八年级男生体测数据：

处理后女生体测数据：
我们要探究观众和业内人士对于一些电视节目的观点有什么样的关系呢？
观众评分来自低学历(led)、高学历(hed)和网络(net)调查三种,它们形成第一组变量；
而业内人士分评分来自包括演员和导演在内的艺术家(arti)、发行(com)与业内各
部门主管(man)三种，形成第二组变量。

多元线性回归分析：


分类模型：
聚类模型：
![在这里插入图片描述](https://img-blog.csdnimg.cn/a0a13ffc1f9e45f69eb99cdcf61a9021.png

聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性[2]。组内相似性越大，组间差距越大，说明聚类效果越好。
区别是，分类是事先定义好类别，类别数不变。 分类器需要由人工标注的分类训练语料训练得到，属于有指导学习范畴。

时间序列：

三大部分：描述过去，分析规律，预测未来
预测模型：
3大模型10大算法

预测模型选择

理论上任何预测模型都可以组合，真正好的组合预测模型，是需要根据问题需要，以及数据特征选择，至于组合权重（首先它肯定不是死的，而是根据不同需要根据不同优化准则来编程），目前常用的方法有算术平均法、 最优权数法、 方差倒数法等方差倒数法是 Bates 和 Granger 曾提出的， 其基本原理是： 首先计算各个单项预测模型的误差平方和ej， 然后通过整体误差平方和最小的原则对各单项预测模型的权数进行赋值。


灰色预测题目：

奇异矩阵值分解：

加粗样式
主成分分析：
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）保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。

基于熵权法对Topsis模型优化：

用到了topsis再看

因子分析模型：




岭回归和lasso回归：


灰色关联分析：

**


Floyd算法（弗洛伊德算法）：

ARCH和GARCH模型：

正态分布均值的假设检验：

Topsis代码为什么运行失败：
用到再看

蒙特卡罗模拟：

模糊综合评价模型：

数学规划问题：