数学建模社区-数学中国

标题: 数学建模需要怎样的编程水平？ [打印本页]

作者: 杨利霞 时间: 2020-5-20 15:56
标题: 数学建模需要怎样的编程水平？

数学建模需要怎样的编程水平？
作者：胖咸鱼y
链接：https://www.zhihu.com/question/61102199/answer/184485396
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

这应该是最后一次更新。
首先控诉一下这个多灾的暑假，一年不生一次病的我，从八月初就开始重感冒，重感冒刚好不知道吃错了哪家无良的外卖，急性肠胃炎住院（中间拖了两天，住院的时候还蛮严重的）打吊瓶吃药吃咸菜。稍微好一点就骗家长说自己完全好了就返校了。回到学校的第一天晚上就又重感冒了(.....)应该是之前的细菌还在等我回来：）喝着热水吃着药吸着鼻涕打着喷嚏...都这副惨状了，电脑忽然间罢工了，把老伙计送到专卖店去修，没说什么毛病，只说要寄到石家庄去修。：）到今天还没修回来，后天就是国赛前的模拟了，凌乱状....
回归正题。
python入门的教程在网上随便一搜就能搜到很多，当初我是跟着小甲鱼学习的
[小甲鱼]零基础入门学习Python_野生技术协会_科技_bilibili_哔哩哔哩
对于新手蛮不错的教程，开倍速秘制带感（网易云课堂上也有课程，就可以在移动端开倍速）

这里着重安利一下北大的python数据结构课程：
数据结构与算法2015春季 - 北京大学新一代GIS研究室
因为我之前一直在找数据结构的python版本，终于找到了，好东西分享一波。

我没看视频，我把讲义down下来k过了一遍，收获还是挺大的：
我的课堂代码摘抄：数据结构（python） - .delete - 博客园

然后是一些建模方法的python实现：
动态优化 --------->  学习北大数据结构动态优化一章。
线性最优  ---------->  scipy.optimize.linprog
最小二成拟合  ---------->  numpy.ploy1d
多项式拟合  ---------->  没有现成方法，自己写
聚类  ---------->  from  sklearn.neighbors import KNeighborsClassifier （KNN）
                     from sklearn.cluster import KMeans（KMeans）
决策树  ---------->  form sklearn.tree import DessionTreeClassifier
贝叶斯算法（朴素贝叶斯）  ---------->  from sklearn.naive_bayes import GaussianNB
支持向量机  ---------->  from sklearn import svm
回归  ---------->  from sklearn import linear_model （这里边包括了线性，逻辑，随机树森林
                                                                                 多项式，岭回归等等）
主成分  ----------> import sklearn.cluster.DBSCN
绘图  ----------> import matplotlib.pyplot as plt
                        import seaborn as sns
数据结构  ----------> import pandas as pd（Series，DataFrame）

基本上我能想到的就是这些了，其他的一些像对曲线的处理或者解方程等等我一般都使用Matlab做。当然以上的所有方法在lingo都能实现。我用Matlabh+lingo做了一次Kaggle的泰坦尼克之灾，得分一样，但是点点点明显比敲代码要舒服的多。
只撸了一个base model，慢慢的再优化。

代码用到的一些方法：
#Pandasimport pandas as pdfrom pandas import Series,DataFrame#Numpy,Matplotlibimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns#MLfrom sklearn.linear_model import LogisticRegressionfrom sklearn.svm import SVC,LinearSVCfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.naive_bayes import GaussianNB#Osimport osos.chdir("C:\\Users\\pangxianyu\\Desktop")
以上，一个对python有兴趣的自学小白，如果有错误欢迎及时斧正。

预祝大家都取得好成绩！
（希望我电脑快点修好.....
                                                                                 -----发布自求爷爷告奶奶借来的电脑

--------------------------------------------最后一更分割线---------------------------------------
校级复试过了，来补充一下。
python相较于matlab和lingo有一个对新手不太好的地方是没有很多的参考事例。
拿这次复试来说，之前我一直是用python的，之前老师说过对语言没有要求，考前一天忽然题目有要求用的软件，临时抱佛脚在网上找了一个matlab实现的《数学建模和编程》里边整本书都是数学建模的例子和用matlab实现的代码。而我在之前搜索专门的python书籍没找到这么专业的。所以还没入坑的推荐数学软件。
考试的时候四道题全部用的python实现，然后再在matlab中找到对应的方法，提交答案的时候提交matlab程序。为什么这么做？因为在我看来python确实好用啊=￣ω￣=，提前四十分钟交卷。

但是过程一波三折，提交的版本是中途保存的一个版本，上边只写了两道题，不过还算走运，顺利拿到了国赛和夏令营的入门券。
这个暑假打算一边参加夏令营，一边把数学建模上的知识用python 实现一遍，目前实现了线性最优，最小二乘法，多项式拟合，聚类，主成分，回归算法（建模叫分类）等等吧。
给自己挖个坑，所有方法都实现后会把博客地址贴在这里。
加油。
17-07-07
---------------------------------分----------------割-------------线--------------------------------
当初只是随手一答，有人点赞，诚惶诚恐，把答案重新编辑下：）

今年准备参加，培训的时候老师讲了画图用matlab，数学分析用SPSS，lingo，还讲了几个例子，我去，画图不就是python中的matplotlib库，聚类降维神经网络不就是机器学习sklern中的kmeans，knn，neturework吗。。。

参加校选赛的题目是关于共享单车时空配比，题目没有给数据，网上也找不到，我就花了点时间在gitub上找了个轮子自己改了改，用python爬虫爬的天津地区摩拜单车的数量和坐标，再用kmeans聚类，matplotlib画图。

选择上边那些软件的话其它答主已经说的很详细了，参见他们的回答即可。
如果选择python的话，需要掌握的有：
1、python版本的选择与安装
   对比VC，python的安装需要费点时间，如果熟悉Linux会轻松很多。目前py2x和py3x共存，在刚入门的时候需要看你选择的是哪个版本，不同版本支持的包不同。多说一句，用2x的话如果用到3x的method，import futuer就好了，但是3x是主流和未来的方向XD
（下边的sklearn和tensorflow就是不同的python 版本。）
2、IDE的选择
   推荐jupter book。我目前使用的python为py36，sklearn的env是py27。在jupter book上边创建好kernels，然后切换kernel就可以达到切换env的作用。
3、基本操作和包
如果上边的基础准备都做好了，开始学基础操作，基本的教学视频就好了，重点掌握集合，列表，元组，函数，方法，for，magic（如果有时间的话），基本的四则运算，赋值什么的。python作为一门胶水语言，又以对程序员友好著称，学习起来我认为不是很痛苦，我之前有C，Java和Matlab的基础，学的比较快。
包的话重点掌握numpy，pandas，matplotlib，这些里边是数学运算，文件处理和图形绘制，建模的时候都会有用，重点掌握。其他的分类，回归，聚类，降维，神经网络，相关性分析之类的都在sklearn中（即机器学习中大名鼎鼎sciki-learn的简称，不过不要被吓到，它的数学思想和你学的概率论和数理统计差不多，单纯的调用的话看看文档和技术博客就好，需要我推荐的话可以私信或留言：）
还有一个包是谷歌推的tensorflow，它的领域是多重神经网络和深度学习，如果还有精力的话可以去探索，私以为建模的数据量和复杂程度会使它的学习深度不会太深，它上场的机会不大。
人生苦短，我用python。

最后提一点，python作为一门语言，它的学习成本可能要比上边那些软件要大。
献给那些想做建模走python技术栈的人，希望可以帮到你们。

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)