- 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
- 564698 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174632
- 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 |
( z9 }4 F1 a: B2 R1 ?8 G: c2 R
【数学建模】数学建模(一)——数学模型概述/ y# {: ~+ T2 P5 e
; q% G3 Z8 {% i% q' u( M1 V- Q4 T3 R# K4 U [
一. 模型
0 x0 }% E6 r T# C3 \' l' k1. 原型和模型
/ Q6 H2 T/ v7 O: z# d8 N 原型指人们在现实世界里关心、研究或从事生产、管理的实际对象。模型则指为了某个特定目的将原型的某一部分信息简缩、提炼而构造的原型替代物。- J# p% s5 f- c
按照模型替代原型的方式,模型可以分为物质模型(形象模型)和理想模型(抽象模型)。前者包括直观模型、物理模型等,后者包括思维模型、符号模型、数学模型等。/ v5 n' H( M! i) c4 I, Z5 b% |2 I
数学模型可以描述为,对现实世界的一个特定对象,为了一个特定目的,根据特有的内在规律,作出一些必要的简化假设,运用适当的数学工具,得到的一个数学结构。
- i# C/ D" i, G3 e* l2. 建模方法
0 o; T$ W$ @' A( w8 @ 建模方法大体可以分为机理分析和测试分析两种。机理分析是根据对客观事物特性的认识,找出反应内部机理的数量规律,建立的模型常有明确的物理或现实意义。测试分析是将研究对象看作一个“黑箱”系统,通过对系统输入、输出数据的测量和统计分析,按照一定的准则找出与数据拟合的最好的模型。
1 Q$ w2 ~' I+ F! s5 [/ j3. 建模步骤
$ t( S7 @5 p1 S5 e- M/ X 按机理分析方法的建模步骤如下, X& T7 X; F" A- p/ h& y
![]()
; M# a+ c, i3 o4 ~/ [ Q+ c4. 建模过程5 g X4 e& L: p5 D* Z, ^9 N
按一般步骤,数学建模过程分为表述、求解、解释、验证几个阶段,并通过这些阶段实现从数学模型到现实对象的循环。
+ M1 r/ [3 q9 N![]()
- J! o) L p% Q6 b9 N, X2 l9 I" A4 B2 @
" D* t$ y# b/ A% k% {( n* n: j
5. 模型分类: t3 n0 P$ O& N- a0 U
按建立模型的数学方法:初等模型、几何模型、统计回归模型、数学规划模型等。
m* @6 K& r2 m3 [* _ 按模型的表现特性:确定性模型和随机模型、静态模型和动态模型、线性模型和非线性模型、离散模型和连续模型。
7 ]! ]2 _) C- ^" G" P 按建模目的:描述模型、预报模型、优化模型、决策模型等。
: e$ ?9 B% Z7 B' `. Q) ^5 V6 [ 按对模型结构的了解程度:白箱模型、灰箱模型、黑箱模型。4 X5 I. i/ u8 a4 t* {
二. 系统辨识
" _0 M) Q0 F. r+ Q6 n5 u 在科学研究和工程实践中,实验和观测是重要的手段之一。实验的结果是输入和输出的数据,通过这些数据去建立数学模型就是系统辨识。
# X6 f/ T* g+ `+ S* f8 ~4 j 系统辨识为:根据输入与输出数据在指定的一类系统中选择一个系统,这个系统和所研究的实践系统等价。+ ]$ e# p3 i M7 F9 ]9 Y4 p6 R
: ]8 n/ l6 @4 ^4 ]; D# D0 ^# P
系统辨识大致步骤:①模型类的选择;②实验设计;③参数估计;④模型核验与确认。% U. @) G- V& m
, i7 [1 Z' S/ J8 k# x$ H3 A' [
/ ^; m) a+ E7 }7 a* o5 }! c 9 V! L6 T1 |! F5 G3 A* l
& V: Y% l7 X: j/ G' K
6 L. I, v$ k! ]% Y+ [/ Z6 [" [) ~& X1 C2 J$ m( e, i( d3 _% `7 Q
三. 机器学习6 ~, v3 C1 y/ @5 B9 C* Z! W
机器学习就是把无序的数据转换成有用的信息,它的主要任务就是分类,其中涉及的几个关键概念:①训练集是用于训练机器学习算法的数据样本几何;②目标变量是机器学习算法的预测结果,在分类算法中,目标变量的结果类型通常是标称型的,而在回归算法中通常是连续型的;③知识表示可以采用规则集的形式,也可以采用概率分布的形式。" c' f( Z7 p/ v& n9 s$ ?
机器学习的另一个任务是回归,它主要用于预测数值型数据。分类和回归属于监督学习,是因为这类算法必须知道预测什么,即目标变量的分类信息。与监督学习相对应的是无监督学习,此时数据没有类别信息,也不会给定目标值。在无监督学习中,将数据集合分成由类似的对象组成的多个类的过程被称为聚类;将寻找描述数据统计值的过程称为密度估计。+ u! A& }3 a1 q# [
5 |. n& Q/ O( ~. q7 h \5 ~9 n
( v8 y- q3 C0 S8 j用于执行分类、回归、聚类和密度估计的机器学习算法8 Q k+ Y( F4 m" w
/ B n) P3 n) p/ N
: s) P9 x* l8 C
5 V' x& o3 G+ B; d3 M) A6 z
8 S5 c! `& o& o/ j f, E. e
8 y7 j: z4 m1 y; S$ X+ q% y
f- B+ n7 j4 r$ w& f; z. W 机器学习程序设计的步骤:①收集数据;②准备输入数据;③分析输入数据;④训练算法;⑤测试算法;⑥使用算法。
- u* b3 b# J+ s- \( X$ l% C5 e2 o) ]) Y! z6 l1 \& \
参考文献:7 X' q& }9 Q1 O B1 z+ _7 K7 \$ V
1. 数学模型(第四版). 姜启源
$ ~, K; H1 e( f+ x* {+ ~3 m b( X2. 系统建模与辨识 . 王秀峰! b' o( ]% m) t) s
3. 机器学习(第九版)% ]: d& \8 y( |5 [8 q3 S
9 X/ U7 w* Q" [. t. a
. k5 D1 \4 _6 {# D0 a: |! v! \3 p/ C9 _9 d1 d9 z1 r6 y/ R
1 n: q) s" [! J7 J3 I2 {1 ~ |
zan
|