- 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
- 564664 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174622
- 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:
7 v0 {! q0 K; u" u" E, k/ M; X' v: A
(1)写作缘由
' H( n5 p4 o# {% B* m(2)统计描述:; I, \- c8 J- n" @$ Q
追加用excel 做频率统计
2 h, b' A! E3 a6 K8 S$ A) l(3)相关分析(点二列相关 )* ^4 d5 u/ t& M
(4)回归分析1 W8 N4 e6 b* m+ T- b1 m1 M
(5)特征选择和数据预处理) e+ L( \1 @ d, F: u# `
(6)缺失值的填充
' h; b9 D9 v. b+ ? C" ^, W(7)文档编辑的一些技巧
* e. w; U& Q& d2 W- q(8)团队合作的一些心得" Z: y2 D" p; u
(1)写作缘由' g& K- j0 V4 [6 A
/ q- n9 Y6 z6 Y: 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$ a& W; p* d; ?% w$ M
5 y4 f" H/ A: @. C2 a$ N
(2)统计描述:
! v5 ~2 o5 v" N/ r" l( f
3 k, E0 ~) Z' d9 d& `5 V: l) L① 频率统计
. m3 a) Q( B+ J2 Y② 中位数
5 H. b1 f" l# I- R l2 {8 }③ 众数 9 N3 m: i& q3 y+ I5 r; n
④ 平均数 + J+ Z9 F# s( X8 P- ?
⑤ 方差 " m3 V* t( T0 ?* M
⑥ 标准差
( Y3 T9 h- ]" C# Y7 d; [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
+ J Q& W! C$ R4 v# I
8 q1 v; b6 A8 _$ y8 l" u3 l2 S0 t3 F追加用excel 做频率统计
( l4 D$ q/ E1 A6 n. q" j9 C$ D, h+ `- l. F+ N! l4 D
https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html
( d7 |( [; h) X+ E4 n" g& ]
: [9 N+ u5 e* S) _2 t0 H+ X" T+ b(3)相关分析(点二列相关 )
$ G) i; }; D2 l; N9 s; Q8 y" W: R! _$ {- Q& @4 y9 a
: F' u8 e4 q: D" R
# x0 G/ N! Q# v. P. d# F
% G$ ]9 ~8 n+ D$ L E1 t2 w
) g% o) g: U$ `3 Z(4)回归分析
e6 k0 z Y1 L( R7 U3 G
% f* ^0 h2 I0 n& ]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。2 c" r; w9 y" L( `
) V1 ^6 a- j5 a5 R4 g( A; b
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。
! v" P. T) P) @6 E* b* X! Q d& c4 I
回归分析一般有这几个操作:
2 x+ j- q- ?% }7 a① 设置筛选条件,刷选数据集 valid 1 J7 r. H" i3 l
! S( m% _+ {5 R; |9 \! D2 Y2 X! t W7 z# O
+ o& w" H5 u# o9 k% a, X
② 模型拟合度检验
, A9 A2 Y5 c$ z0 q# ^& U
1 e" g0 U6 ~3 ?9 }9 t% b+ B* R6 d1 G& D8 T9 b7 b3 u
- i- x# I+ X. B, Y# |1 X2 o- ]* ^/ _
③ 预测的模型参数 * E; Z* z3 ~6 a6 ^9 n* ^* Z
0 D q4 ?$ ?$ Q9 m* r④ 预测结果,准确率9 a6 e8 W* `8 I; V
- |/ l9 r4 R3 B" M6 h1 z+ [. g
0 S, M8 o+ b8 c& }- D- ^
. b4 B1 G- |5 w! f, ?/ Q
% \+ k2 A4 x- Z* _, z& e% \(5)特征选择和数据预处理
: D- a' C- V$ v* s! A$ B, `3 O& m& E# q( x5 {0 m6 g
特征选择,主要是gzh的想法 # K( S# M s) k4 r4 a
特征筛选的思路:
% d, {$ X1 G/ X; v7 B5 T9 \分类变量用1 2 3 4 离散值 , L' m M3 x" b' O9 @( S( ]
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 2 e& J) G- C6 Y9 u5 Y0 o$ Q
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 [6 P6 ~, S. r0 ^, j; u, {' W7 t
9 ?( x" s: P0 M+ \3 ]% i2 `2 Y9 Z; R
注意了:
! S& ~5 E$ w5 f% v" z4 A筛选特征的时候,重复性要考虑、缺失值要考虑+ D, R( ~& i: l9 a0 ]& K
2 k$ p6 \- ~; R% s( x1 r
(6)缺失值的填充: C, e ~4 f k0 F4 h
% P, X: }$ @3 ]- B8 [
: u8 a# a6 k/ u+ n2 g
5 E+ `, K$ o) @; E4 O& O4 h! D(7)文档编辑的一些技巧( J* _4 n- A- b& H% t8 [
0 R. p& @ `5 uhttps://blog.csdn.net/qq_26769591/article/details/808488410 o$ z5 U2 m* L e1 `
# g' v" C) C0 y& m
(8)团队合作的一些心得( g1 E0 ?, V m1 W
6 V, J9 v! D. X2 b6 R$ i
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 6 ~3 \7 B! k4 J, w3 G3 Q6 ^! A S3 s' ^
2.不会乱 不会重复做功 不会丢失工作 8 n5 p2 g; P/ D8 p$ E7 f9 f6 z" y
3.经验丰富 总能拿出一种解决方案 ; V- `1 N' p9 z% e- x5 n* o! s- H
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 再难的操作都能被逼近 1 s8 ?! u% Q M R& T
5.大致方向总是不差 错也只是参数不是思路 不是算法 9 y& K8 B( E4 C D8 o" W
6.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 , _- t. @& X0 u# m7 s
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$ e( q4 R' a* r: z
--------------------- ' @! b ~4 _7 [6 Y2 R1 ?
/ d+ K) ?2 |9 Y5 B( i
' o9 M' o3 L# F: U$ @) B2 f
' K* p, L) ?: l9 F, R
|
zan
|