- 在线时间
- 1630 小时
- 最后登录
- 2024-1-29
- 注册时间
- 2017-5-16
- 听众数
- 82
- 收听数
- 1
- 能力
- 120 分
- 体力
- 565630 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174912
- 相册
- 1
- 日志
- 0
- 记录
- 0
- 帖子
- 5313
- 主题
- 5273
- 精华
- 3
- 分享
- 0
- 好友
- 163
TA的每日心情 | 开心 2021-8-11 17:59 |
|---|
签到天数: 17 天 [LV.4]偶尔看看III 网络挑战赛参赛者 网络挑战赛参赛者 - 自我介绍
- 本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。
 群组: 2018美赛大象算法课程 群组: 2018美赛护航培训课程 群组: 2019年 数学中国站长建 群组: 2019年数据分析师课程 群组: 2018年大象老师国赛优 |
数学建模大作业中涉及到的知识点总结- Q( h! j g) d b. P7 n
数学建模大作业中涉及到的知识点总结:
@: G* r3 G/ f8 S c; k
6 Z/ k5 r6 L0 Y: N6 i: q9 x4 N(1)写作缘由- G+ t) O- e; ?- s
(2)统计描述:4 u8 s' ~% n* t4 I Q7 G( d, ^
追加用excel 做频率统计
! G( \7 v" a8 Y( ^! ~+ z(3)相关分析(点二列相关 )% I( f3 o, `4 C3 t, I
(4)回归分析
4 p: q0 R4 n+ i9 }(5)特征选择和数据预处理
5 G) ]" z! w. a1 l(6)缺失值的填充! ` ]& Y" g$ Y( l9 T
(7)文档编辑的一些技巧
8 J$ c5 C" Q, l. t0 b" \" d(8)团队合作的一些心得8 r* p) u: n8 v( P: v; J# _
(1)写作缘由
, u. j- G9 D W, L. |
) N% S9 Q' g- C0 W. |* p1 K( _在数学模型与优化的大作业中,遇到要对数据集进行统计描述、相关分析、回归分析、特征选择思路、数据预处理,因此就稍微研究了下
* [- @* F& `0 d0 t. p
2 Q. I, L7 B: A k! L# y8 o(2)统计描述:
" Z; h: x) @! c5 f; I/ u! Y: P* ~% U& @( e; f% ^
① 频率统计
- n& X! r: Q7 s( U: t) T② 中位数
k; A- } e& Q7 X' a③ 众数 . ^6 _3 C6 u _
④ 平均数 + p. k2 F9 M* b2 U! H/ L6 {
⑤ 方差 * D* D3 K0 B& J- d9 ]
⑥ 标准差 % {, h& R& A% S( [
用spss软件,可以很方便快捷,具体的spss可以随意参考一本spss的书籍即可
5 H& k4 _( w% w) U* L: \
5 g0 j1 G! T. s) y7 J/ O2 R( m$ x- a* l+ i) y5 w
追加用excel 做频率统计; K( V" h5 \9 l5 R, {8 D
" y/ P& T' ~2 V- e
https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html- o7 H8 R3 O' d8 @8 ^% B
R8 F& P. F" s/ G! \, h* Q2 T. i(3)相关分析(点二列相关 )
4 f* Q) e% t4 x \, F2 M4 b![]()
% d4 J" s1 w. T* z8 j5 K5 N1 D0 z: j2 c- [( L" z$ x
![]()
& C) ?0 K3 p' Y) C9 E0 a0 ^
0 @" d3 Y" e3 s/ `1 b2 Q- o" {4 t+ Y5 ]
(4)回归分析& |$ M1 Y2 ]# ]& A& v3 l# n0 s8 r
7 m: L7 Y" V6 y& Q5 _
Logistic回归主要用于因变量为分类变量(如疾病的缓解、不缓解,评比中的好、中、差等)的回归分析,自变量可以为分类变量,也可以为连续变量。他可以从多个自变量中选出对因变量有影响的自变量,并可以给出预测公式用于预测。$ O4 r. Z# a7 ?* S1 Q7 Y
) p# o% J- y. [) y6 `! ^+ X
因变量为二分类的称为二项logistic回归,因变量为多分类的称为多元logistic回归。
/ Y# I0 l8 M, ~2 p- _+ |
' [- R% W! `- Q" F' Q回归分析一般有这几个操作:
- ]" F8 T1 T* c* o; ~: n# n① 设置筛选条件,刷选数据集 valid 9 w3 Q) c7 o. v# g$ i
8 m/ K& W) }' W( F, b! N2 v
2 |- Q7 d. p/ t# r( H![]()
- p& z T2 Y0 _ P$ o( _② 模型拟合度检验 ( d0 L9 S8 [* s4 D: ]1 S8 K. U
/ Q2 ^, w% o7 `
8 ~) v( `- F0 d$ u. F& a+ L
, b7 i* A2 J# p: z t
③ 预测的模型参数
$ U: G2 P1 S; {! _; e# _" O( T ![]()
n' y; D3 _# s- o④ 预测结果,准确率
9 F- |7 K+ ?% ~: Z% `# ~$ m8 e: N / _4 f, `, I, L) X, K
![]()
; Z, |0 ?, }( y1 a0 B
* q" q' N( C3 I- R
; C' r9 {5 U9 W) C( q/ v! p(5)特征选择和数据预处理- w7 p z1 L; Q- S. \
. v- |$ M& R6 j/ f% t$ V# P! A. K ^特征选择,主要是gzh的想法 9 w9 l, }8 x+ R3 U$ b, k
特征筛选的思路: 8 ?8 E/ m% s/ U) {4 k6 q$ D
分类变量用1 2 3 4 离散值
& u0 j9 g; F5 l' h" A3 m对于搜索记录的变量1:用 含敏感词/搜索记录的比 作为值 连续值 $ F. K/ [% e) k4 a# z
对于搜索记录的变量2:用 含敏感类/搜索记录的比 作为值 连续值: C1 e. g. W. Y7 P
! z# Z8 j- i% R; l, ^
注意了: 6 l4 u b) Q+ M$ @
筛选特征的时候,重复性要考虑、缺失值要考虑
( Z" P# {+ R, l8 n$ C/ H
6 a p4 h& w Z6 I. q% x(6)缺失值的填充 w+ T! \5 G' j& F, W2 K! j
9 j; `- V( Q! C M: Z![]()
' w {2 g; Q# O y; E) B7 j6 v" h2 ]; `- p
(7)文档编辑的一些技巧
9 E& O7 H$ t+ Z
4 z; U- R k6 ahttps://blog.csdn.net/qq_26769591/article/details/80848841
. x& d4 Z( }0 \7 T* v% K7 C7 a6 K+ L' W I' u# ?* I' U
(8)团队合作的一些心得
. h, Z- D. X3 m5 J7 o; Y; A, G6 G$ z8 f4 o# Q2 r/ ]+ e# i, v- v+ G
1.软件解决不了的,就用程序,最厉害的是,能用程序解决的问题都不是问题
9 F8 w* R; Y$ k( y" h% G( N3 F2.不会乱 不会重复做功 不会丢失工作 4 V! T" B. D, R
3.经验丰富 总能拿出一种解决方案 / D/ }9 m- X( H1 t
4.想做的总是能实现 搜不到的 试着试着就出来了 再难的软件都可以被破解 再难的功能都能被解锁 再难的操作都能**近 6 p" b/ x- M' K& a$ r1 \! d
5.大致方向总是不差 错也只是参数不是思路 不是算法
; _6 l8 r6 G$ n k8 X+ b6.不会停滞 不会闲置 每天都能前进 没思路的时候,基本的数据处理也是相当有意义的 4 J4 m" Q' A, ]4 H
7.同步 思路和进度 已经当前要做的事 和要解决的事 能保持同一水平线1 z1 c+ I, G5 T3 u
--------------------- 0 h9 B5 J* y& w9 C* ^
作者:-英击长空- 9 `- X0 x2 J& p" C/ O/ @
来源:CSDN # w9 l6 J$ N2 j( @% T& t$ |* x
原文:https://blog.csdn.net/qq_26769591/article/details/80840673
* S$ @: H y' h/ C* J* N# \; t" U' P+ C
2 M' W5 I* Z6 {( X# J3 J) I& `; u; t' ~" Z
$ Q1 p; f% u7 S% s% d+ P |
zan
|