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