国赛数模C题模型二

SVM支持向量机

①SVM：适用于小样本、高维模式识别
②SVM介绍

③SVM求解过程

④SVM核函数选择

灰色关联

知识点学习

①定义：灰色关联度分析是一种多因素统计分析的方法。简单来讲就是在一个灰色系统中，定量分析某个我们所关注的某个项目受其他的因素影响的相对强弱。
②作用：判断因素之间的关联程度。
③区别：先使用灰色关联度，再使用主成分分析和熵权法。
④实现步骤：（1）确定分析数列 （2）无量纲化 （3）计算关联系数 （4）计算关联度 （5）比较关联度

确定分析数列

①参考序列（一个）
②比较序列（通常有多个）

无量纲化

①均值化 ②初值化

计算关联系数

示例探讨

总结

论文书写

决策树

知识点学习

①概念：决策树是一种有监督的机器学习算法，该方法可以用于解决分类和回归问题。决策树可以简单地理解为达到某一特定结果的一系列决策。
②优点：（1）计算复杂度不高，输出结果易于理解 （2）一次构建可以反复使用
③缺点：容易产生过拟合问题

ID3算法构建决策树

①信息量：一个事件发生的概率越大，包含的信息量越小。
信息量公式：
②信息熵：信息熵是对事件中不确定的信息的度量，不确定信息越大，信息熵越大。
一个系统的信息熵公式：
③信息增益：信息增益是指一个事件中前后发生的不同信息之间的差值。
通过信息增益的计算可以构建出一个将信息熵逐渐降低的决策树，从而使不确定性达到最小。
信息增益的公式：

实例

cart算法构建决策树

①特点：
（1）决策树是一棵二叉树
（2）既可以做分类，也可以做回归
（3）使用基尼指数来选择节点
（4）决策树构建完成后对其进行剪枝
②实现步骤：
（1）基尼指数构建决策树
（2）决策树剪枝
③分支方法：

④基尼指数与基尼不纯度
（1）基尼指数：某特征下包含属性的杂乱程度。
计算公式：
（2）基尼不纯度：
基尼不纯度越小代表分类效果越好。

实例

论文书写

聚类

知识点学习

①定义：

②原理：


③聚类步骤

④聚类方法

K-means均值聚类

系统聚类

二阶聚类

总结

Q型聚类和R型聚类

聚类分析：Q型聚类、R型聚类

论文书写

Q型聚类

R型聚类