小树modelwiki-CSDN博客

我们团队目前正在努力为大家创建最好的信息集合，从用最简单易懂的话语和生动形象的例子帮助大家理解模型，到用科学严谨的语言讲解模型原理，再到提供参考代码。我们努力为数学建模的学习者和参赛者提供一站式学习平台，目前网站已上线，期待大家的反馈。我们想让大家只通过一个网站，就能解决自己在数学建模上的难题，把搜索和筛选的时间节省下来，投入到真正的学习当中。如果你想和我们的团队成员进行更深入的学习和交流，你可以通过公众号。一共20年的论文，我都整理好了，需要的直接去链接里下载就好。

2024-01-12 15:49:35 1705

原创【数模百科】一篇文章讲清楚层次分析法的原理和解法步骤、案例分析和python代码实现

层次分析法是指将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标（或准则、约束）的若干层次，通过定性指标模糊量化方法算出层次单排序（权数）和总排序，以作为目标（多指标）、多方案优化决策的系统方法。

2024-01-11 19:40:31 1574

原创【数模百科】一篇文章讲清楚模拟退火算法和python代码实现

模拟退火算法（Simulated Annealing，SA）是一种启发式算法，用来寻找在大搜索空间内的全局最优解。这种算法的设计灵感来源于金属退火的过程。在物理学中，当金属加热后再慢慢冷却时，原子会逐渐排列成最低能量的结构，这就是最稳定的状态。

2024-01-09 20:41:08 973

原创【数模百科】一篇文章讲清楚遗传算法和python代码实现

遗传算法是一种模仿生物界中自然选择和基因遗传机制的智能搜索算法。它通过模拟自然进化过程来寻找问题的最优解。接下来，我将用简单易懂的语言，详细解释遗传算法的每一步。首先是编码。在遗传算法中，我们通常会把要解决问题的答案表示成一串特定的代码，这就像是生物的DNA一样。我们最常用的编码方式是二进制编码，也就是用0和1的组合来表示一个解。接下来是初始种群的设定。我们随机生成一组个体，这些个体就构成了我们算法的起始点。每个个体都是问题的一个可能解，它们是通过上面提到的编码方式来表示的。然后，我们需要设定一个。

2024-01-09 18:23:01 1107

原创【数模百科】一文讲清楚马尔可夫过程

随机过程是描述随机现象随着时间演化的数学模型。它可以理解为一种数学工具，用来描述随机变量或随机事件随时间变化的规律。一般来说，把一组随机变量定义为随机过程。在研究随机过程时人们透过表面的偶然性描述出必然的内在规律并以概率的形式来描述这些规律，从偶然中悟出必然正是这一学科的魅力所在。在随机过程中，时间是一个基本的因素，它可以是离散的（如时刻1、时刻2、时刻3...）或连续的（如实数轴上的时间）。随机过程可以根据其状态的取值类型分为离散随机过程和连续随机过程。

2024-01-09 15:20:31 1045

原创【数模百科】决策树在分类和回归问题上的应用和python代码实现

本篇文章节选自和，如果你想了解更多关于决策树的信息，请移步在看这篇文章之前，强烈建议大家先阅读这篇文章。

2024-01-08 19:03:25 982

原创【数模百科】一篇文章讲清楚决策树如何进行构造和剪枝

本篇文章节选自。如果你想了解更多关于决策树算法的信息，请移步。首先讲讲决策树是啥。举个简单的例子。小王在他的高尔夫俱乐部碰到了个棘手的事儿——有时候，高尔夫球场上人山人海，员工们忙得跟陀螺似的；而有时候，人迹罕至，员工们就那么干等着，白白领了工资不说，还特别闲得慌。这可急坏了小王。他琢磨着得想个办法，根据天气情况来猜猜球场会有多少人来。于是，小王就动手记录了那么两周的天气和客人来访的情况，包括了天气是晴是阴还是下雨，有多热多冷，湿不湿，风刮得凶不凶。小王接着用这堆数据，搭了个决策树模型。

2024-01-08 17:45:25 933

原创【数模百科】一篇文章讲清楚TOPSIS算法和python代码实现

TOPSIS（逼近理想解排序法）是一种用于多准则决策的分析工具，用于评估和比较一系列备选方案。TOPSIS的核心理念是：最优的选择应当是与理想最优方案最为接近，同时与最差方案最为疏远的那个选项。

2024-01-07 23:17:04 1174 1

原创支持向量机SVM在回归问题中的应用：支持向量回归SVR（python代码实现）

支持向量回归（Support Vector Regression，SVR）是支持向量机（SVM）在回归问题上的应用。SVR用于预测一个连续的输出变量，相比于分类任务的SVM，其主要区别在于构造的不再是一个最大间隔的超平面，而是构造一个与目标函数值间隔在一定范围内（ε-insensitive）的最小超平面。与SVM一样，SVR也可以通过引入核函数来解决非线性问题。通过核技巧，SVR能将原始特征空间映射为更高维的特征空间，以便找到在更高维空间中的线性回归模型。直观理解，SVR的目标是找到一个函数。

2024-01-07 18:55:10 2639 1

原创【数模百科】支持向量机SVM如何处理非线性数据——非线性SVM（python代码实现）

非线性支持向量机，是从原始的线性支持向量机演化而来的，与线性支持向量机的主要区别在于它可以处理非线性可分的数据集。这是通过使用一种所谓的“核技巧（Kernel trick）”来实现的。原始的线性支持向量机试图在样本的特征空间中寻找一个线性超平面，可以最大化地分隔两个类别的样本。然而，在实际情况中，我们经常会遇到一些问题，其中两个类别的样本无法通过一个线性超平面来完全分隔。

2024-01-06 15:25:55 1365 1

原创【数模百科】支持向量机中的线性SVM讲解以及实现办法

线性支持向量机（Linear Support Vector Machine）是一种用于分类和回归分析的监督学习模型。在二分类中，线性支持向量机的主要目标是找出一个线性超平面，将不同类别的数据分隔开，而且要使得这个超平面到最近的数据点之间的距离（也被称为间隔）尽可能大。

2024-01-06 11:34:15 1044 1

原创【数模百科】一篇文章告诉你如何进行数学建模信息检索

本文深入浅出地讲解了如何在数学建模比赛中进行信息检索

2024-01-05 16:04:03 1208 1

原创支持向量机SVM中的核技巧（核函数）应该怎么理解

讲解了支持向量机的核技巧和几种常见的核函数

2024-01-05 13:08:45 612 1

原创支持向量机SVM模型里的二元线性分类是什么

该文章讲解了支持向量机中二元线性分类是什么，讲解了超平面、最大化间隔、合页损失函数的概念

2024-01-04 22:34:50 796

原创快速理解对偶问题

讲解了支持向量机SVM模型中的对偶问题，白话文解释、定义、对偶性、拉格朗日乘数法、斯莱特条件、二次规划、KKT条件

2024-01-04 16:32:23 1098 1

原创一篇文章讲清楚凸优化问题

现在这个问题我们就可以一目了然了。凸优化问题是优化问题的一种特殊类型，其中目标函数是凸函数，约束函数是凸集意义下的不等式和等式。在凸优化问题中，我们希望最小化（或最大化）一个凸（或凹）函数，而这个函数的定义域被指定为一个凸集。粗浅理解，你可以把凸函数想象成一个碗，无论你在碗里的任何地方，只要你一直朝着下坡的方向行走，最后一定会到达碗底，也就是函数的全局最小值点。并且当你经过的两个点都在被允许的空间之内（也就是可行集中）时，这两点之间的连线上的任意点不会超过这个空间。

2024-01-03 21:15:08 1595 1

weixin_62457573的博客

原创机器翻译后的美赛论文怎么润色

原创【数模百科】一文快速讲清楚层次分析法AHP（附python代码和参考美赛论文）

原创美赛到底应该用什么模型？（附论文分析和按模型整理分类的美赛论文）

原创【数模百科】避雷数模论文中可视化的几个误区

原创【数模百科】如何提高数模论文的美观性（附美赛word和LaTeX模板）

原创【数模百科】美赛中论文手的备赛技巧

原创【数模百科】常用的用于美赛中收集数据的数据库网站

原创数模百科】一篇文章讲清楚灰色预测模型GM（1，n）附python代码

原创【数模百科】一文讲清楚灰色预测模型GM（2，1）的原理（附python代码）

原创【数模百科】一篇文章讲清楚灰色预测模型GM（1，1）附python代码

原创【数模百科】一文讲清楚主成分分析PCA算法（附python代码）

原创【数模百科】距离美赛还有20天，不要忘了阅读往年获奖论文（附04-23年美赛获奖论文）

原创【数模百科】2004-2023年美赛获奖论文下载