模型代码全归纳——壹:模型整理总序"/>
数学建模之模型代码全归纳——壹:模型整理总序
又又又开新坑了,备战美赛,从头再来,这次力求把每一个模型钻研透彻,诸君,我们共同努力。
本文源于国赛后的总结反思:在C题的四个小问里关键词“分类”出现过,无论是选择分类依据或是提供新的分类方法,归根结底都是分类问题。但是在很多课程和资料中,常见的模型都是三类:评价、预测和优化,分类问题总是很模糊地混淆在分析、判别等字眼里,没有一个清晰的处理方法。因此,本文将分类问题(包含各因素相关分析类、根据特征建立目标画像类,对应C题第一四问和第二三问)单独化为一类进行讨论,并对其他问题的模型进行总结。
分析评价类
求各指标权重,最后给每个评判对象打分排序 | 层次分析法 |
理想解法TOPSIS | |
灰色关联分析法 | |
模糊关联分析法 | |
数据包络分析法 | |
主成分分析法 | |
熵权法 | |
秩和比评价法 | |
Pagerank(马尔可夫排序) |
相关分组类
通过一系列的数据分析手段,得到两种结果: 一是得到一个数学表达式表示变量之间或是 变量与最终结果之间的关系;二是将原有样 本根据指标值的不同划分为不同的类别。常用概率论中的参数进行检验(方差分析和相关性分析甚至主体就是统计学参数) | 拟合法 |
微分方程 | |
差分方程 | |
回归分析 | |
主成分分析法 | |
方差分析 | |
注:从决策树开始下面的模型都是基于机器学习方法的,随机森林是决策树的集成版 | 相关性分析 |
对应分析 | |
多维标度法 | |
注:无论是拟合还是微分/差分方程或者是回归分析,最后都是要得到一个函数表达式 | 因子分析 |
决策树 | |
支持向量机 | |
注:回归分析是指可用matlab工具箱进行 计算的模型,逻辑回归用到了机器学习 | 逻辑回归 |
随机森林 | |
聚类算法 |
数据预测类
分析数据,处理数据,根据数据的特征,判断未给出的样本点的数值 | 微分方程 |
插值法 | |
拟合法 | |
灰色预测 | |
马尔科夫链 | |
时间序列 | |
神经网络 |
优化最佳类
最终目的只有一个:找极值, 不一定是最值,因为可能存在局部最优解 | 线性规划 |
非线性规划 | |
0-1规划 | |
整数规划 | |
注:图论可以细化为很多模型 | 多目标规划 |
注:从梯度下降开始都是寻找最优解的实践过程, 根据上面的模型建立数学方程,用下面的模型迭代找最优解 | 差分方程 |
动态优化 | |
图论算法 | |
统筹方法 | |
梯度下降 | |
注:各种下降法较为简单,仅适用于凸函数,多用在解决小问和补充其他方法上,智能优化算法则普遍使用 | 最速下降 |
模拟退火 | |
遗传算法 | |
粒子群算法 |
后面会对每一个模型出一篇博客进行讲解,不仅是与大家分享交流,更是在提高笔者对模型的掌握程度 ,这也是笔者写博客的初衷。那么,欲知后事如何,请听下回分解。
更多推荐
数学建模之模型代码全归纳——壹:模型整理总序
发布评论