- 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
- 570854 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 176479
- 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8 X+ o& v l+ V y. w( I
数学建模大作业中涉及到的知识点总结:
/ [# b% T& W$ @# ^6 n& }! [- e- R' Z, n! N( q7 ]. D7 C1 w
(1)写作缘由1 ^0 q; S5 m$ R; Y
(2)统计描述:
! z1 @( p; k! _/ B4 [追加用excel 做频率统计: a, \% G/ _, ^$ d8 B6 j
(3)相关分析(点二列相关 )0 x4 z' f# W9 y9 k& M/ j/ n7 O
(4)回归分析/ ]4 x0 I* j; z. F5 f4 P8 O
(5)特征选择和数据预处理& L. d, _$ t* w" {
(6)缺失值的填充) W% [9 j* C+ C ~3 r
(7)文档编辑的一些技巧1 \* ^: y0 w" o$ X* [
(8)团队合作的一些心得' s6 c" s4 b6 {
(1)写作缘由; D* J& T" V) T' h: [. P1 o
- i& ^) p2 r) V
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
/ K$ `% i' e- O
, a }" D- O2 ~( i(2)统计描述:% E3 \; M1 E1 h" _' Q
, h8 f9 _: l, g* |" o" ]% t' g
① 频率统计
# s, I% N7 }7 b9 C( n② 中位数 J, b ?; ^7 b
③ 众数
z$ H2 f( A# Q& p/ ~④ 平均数 1 A I. }: r( [( j+ L6 }4 w
⑤ 方差 ' x6 C" }: A1 [- W1 `
⑥ 标准差 & P$ J- c; g( Z
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
7 ~, Q; a+ V% Q6 k5 N }
% @% S; c6 r0 ?+ f# M
: x: F2 s( m) H, p追加用excel 做频率统计 }4 {! f# I" O5 P% k4 d
![]()
3 d" _0 D+ O! k+ w+ q* Y* p' ?https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html: P3 X) p8 J6 D9 d# f
0 m! l9 b$ ?& ?: K$ ?+ c8 V/ b9 M# j(3)相关分析(点二列相关 )
Q) W. E1 v) i/ d![]()
' ^+ v7 ]. M U8 l0 D, D" B2 I8 ~6 K l& Y2 j$ o. @! R" j
![]()
3 ]/ S* D! w7 @! l8 \5 y# u+ s4 ^) p1 p$ C
5 x3 c* D+ Z+ n- c `9 _(4)回归分析, r3 s1 Z) g$ o! r' x
$ k/ b1 g8 w, }8 ^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。
- [8 O' q5 d1 s$ `1 A' U. p! S+ X; b, }# T+ e) z
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。& c& ?3 P" H2 @; X, D* {
- G, ^$ ], I1 A% _% n9 @7 z, Y
回归分析一般有这几个操作:
, t& W9 s* E: q: E① 设置筛选条件,刷选数据集 valid ' P4 J# u& k0 v% s
![]()
7 \) K! A4 {8 ^
( D6 [# w2 w6 Y' ]6 a![]()
3 [: ~( G9 b' L$ W b② 模型拟合度检验 / [8 i0 A% Q7 D8 B- y) E
* H6 k2 @& \$ K$ j
![]()
' Y& l( E5 P! R7 a ^" K* \* \% {) v
③ 预测的模型参数
* g! j I& n. L, y! h, K% X . d9 N5 [$ d L; `/ K
④ 预测结果,准确率
, q: }4 M7 m8 i$ g![]()
2 Z; w* N$ l; d9 ~3 h ![]()
) n5 V: ?) e. L6 ~# ?( g( Y# D( F [
) @# L$ f: ]! [3 x, [
(5)特征选择和数据预处理0 s& T$ m# g, b, E
9 G5 b( e- ^8 s9 z5 D# \+ _
特征选择,主要是gzh的想法 3 f5 D, |6 [! {( \
特征筛选的思路: 1 _: b/ E4 q2 _" O( k
分类变量用1 2 3 4 离散值 : x/ ~) T' z# W* q" b' [
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 6 Q6 T. v% M+ q9 D+ J0 l
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
! g- g3 u/ ^, w# {8 Q _- B# F& ^' h p3 l3 a6 C! x- ]
注意了: : S7 Q" |) g! p* V+ { y" a3 N Q/ Q
筛选特征的时候,重复性要考虑、缺失值要考虑
" u2 z7 c& L/ P# S7 L8 J8 A
5 B+ Q: c! a+ P* e(6)缺失值的填充
u4 P9 {4 n7 F; E% N; N# `. Z9 G3 `* c& Q# V0 U0 |- v' E7 f ~
![]()
5 I* h4 m. x: t* ^ o3 n/ q# O& }( B" b* c
(7)文档编辑的一些技巧# ~/ o! l5 q7 [" C' m1 z- C
9 y7 r4 X s7 I( w) f: O* Qhttps://blog.csdn.net/qq_26769591/article/details/80848841
7 J3 e5 g" \4 |6 o7 M" O
( j6 [# G& ]5 ]! p0 x+ q(8)团队合作的一些心得3 S" @5 Y; V' ^' h* P( n
+ ~, ]8 n! d$ \/ z" a! N0 e' W5 T( L
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
- G$ @8 C3 e) \. g# S5 h# U/ s2.不会乱 不会重复做功 不会丢失工作
9 G" c9 I( o& M! q m: h( z3.经验丰富 总能拿出一种解决方案 ) _; m$ n7 o$ e2 A* N
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
% w+ b4 S/ p+ p u$ E; O5.大致方向总是不差 错也只是参数不是思路 不是算法
7 Z d7 u: E5 j' Y% S" Y6.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
6 D2 `$ b! \! r! v+ } p. s7.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
# J* {5 v. e" K/ K. G. [; q( S---------------------
3 O# p# ?+ D/ b3 U5 E0 N; ~作者:-英击长空-
% ^( o ]. j. [# M来源:CSDN
% M. K4 Z4 H ]0 {原文:https://blog.csdn.net/qq_26769591/article/details/80840673
: ^# }) f' Z, y* m( P' Y2 c3 Z3 n! Y- K$ f; e
I) S' @0 K Q8 k$ ^
- y- D8 t0 z) O& a, r& L* f+ j( K3 O4 n X
|
zan
|