- 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
- 568937 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175904
- 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
$ y6 O9 V+ p" u* a5 ? [% c1 j数学建模大作业中涉及到的知识点总结:% F- f z8 ?. t$ X6 c
1 }# }4 c3 W( F8 ]" b/ f$ d% j4 D# X
(1)写作缘由
- q6 k* _, Q# j& b$ R. ^(2)统计描述:
5 Y) ~& C8 R9 Z- ?追加用excel 做频率统计" e! S: e5 P/ `. {! g" u3 x1 r& \
(3)相关分析(点二列相关 )
* k4 h1 I4 k0 G6 Z: H(4)回归分析
/ f3 d. T( J0 a `% K(5)特征选择和数据预处理
& W. I7 \, k( O: ?) m& o(6)缺失值的填充
+ x8 X# v a8 d# m0 t! H2 i(7)文档编辑的一些技巧" J3 T* q# T) v1 b
(8)团队合作的一些心得7 k7 k7 @7 ^2 T6 F1 [& L
(1)写作缘由- W) z( K% k5 c/ ~) R
. o+ W$ V; A, `1 [' R/ P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
: v+ \5 O7 u8 C* S+ a% A; L! U; |% W7 ?+ G* N
(2)统计描述:4 S- C- T$ O c& L& E2 ?
9 |2 k( H. V' e
① 频率统计
5 N) R" s. R6 \# l" [* B② 中位数
" g0 o1 K, j- N! x) [8 y7 w# t③ 众数 + @$ C w4 x" X7 G+ X! t
④ 平均数 9 e+ Y8 D$ s& h: b0 M. k" D& k
⑤ 方差 7 c3 I% W+ {$ }2 s6 [9 Q# k
⑥ 标准差 ' w3 m) n% S. B# V7 ~
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 & m9 y9 _0 M* Q* j: c& s
* D2 z2 d# i# V" O
2 A+ X4 O" c F/ I/ n0 h4 W- i9 W+ y
追加用excel 做频率统计
1 N9 a, J2 P* A! x![]()
6 A& v9 w" O7 x9 Lhttps://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html$ j4 }. e( Q) t5 I
3 g! ~% J) m$ }. c7 w& ?9 }5 I0 r. E7 U(3)相关分析(点二列相关 )
1 n5 J- k8 m2 y: l ! V0 O- ^% l* D( X: X5 J8 W; e
* S4 A; p8 e& f 4 g0 ^3 {( m8 \+ P6 _ C' C
+ |) K+ Y! [0 x/ X
7 y L2 ^( }0 @. D4 V/ t
(4)回归分析2 O, a# J2 I6 W5 K2 a% l
, N9 }2 l! Y0 ]0 l- k1 o9 X
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。
! f) G6 j) q' N, B4 m T& O: c) }+ }( Z4 q" G' s2 s( j) @' }
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/ x+ k! M* t0 G: p
- t( I7 }, S% G: v& t
回归分析一般有这几个操作:
|, b. S* m, E5 Y8 F4 D① 设置筛选条件,刷选数据集 valid ?2 {2 a" A/ e: i/ E
. s$ B( D; S) G T; d. C
/ y% Y7 ^ M6 ~& ]7 w![]()
2 ], G4 _1 R! m) Z② 模型拟合度检验
/ N. J. k% U$ _' {5 H ![]()
0 |. k6 U# k$ q4 E; T B8 R0 H% y' y - E3 [) f, e, v1 N
l0 l7 b9 H% h% f0 X: U: `' S. s# w
③ 预测的模型参数 ) Y% ~! `" Q- O% F- B
& Z- c! M# U) h/ b" p
④ 预测结果,准确率3 ~( g7 S! {6 u8 _5 g
! X X" m/ ^$ h9 l2 w
# z7 ^5 _, q5 c* U; P
" D5 F: D- V9 S: ?: s4 c( x7 L2 L0 o
$ D) z/ X* F" i- g% j8 ~+ q+ Z(5)特征选择和数据预处理# a* @: ?" L8 v' j
, @% v. L+ I9 u3 X4 ^5 V
特征选择,主要是gzh的想法 ' v7 S( Y: W. O$ O
特征筛选的思路: ' b, p& m+ O! b, U. I. B
分类变量用1 2 3 4 离散值 - c' J1 l& b" k) }4 _7 P; m5 o( p6 H' u
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 $ {3 g7 _7 Z0 _. |
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
* ^0 k4 A! j) d9 ]3 W
) [& G5 }0 x+ K V' R2 e注意了:
e* X5 K1 @) d2 h1 t- c. M筛选特征的时候,重复性要考虑、缺失值要考虑
% K& v, d- }) H8 R/ h3 E2 A& z$ z- w _% x/ C, {
(6)缺失值的填充
+ i( n. `' j% [6 @- _+ l
B' E. K5 V! {( Q+ _ T 3 g) m& l- H+ c" T3 {* n( Q% G
6 A3 F' h) B7 e" `7 \% x
(7)文档编辑的一些技巧
7 e% w) l0 S z. a! ?0 |- Q9 H( Q5 ?9 |* S3 s0 j
https://blog.csdn.net/qq_26769591/article/details/808488413 b5 I6 Y$ i; }: C5 y. \
7 {: O! O0 h0 K; o+ L5 I* [* b(8)团队合作的一些心得( w3 c6 n& v9 t, K: {0 Q# l
) l7 D7 q' V. X$ J1.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 P t1 n s3 ^/ b" c2.不会乱 不会重复做功 不会丢失工作
6 }1 W9 T# s! q1 R5 c3.经验丰富 总能拿出一种解决方案
" _+ T' l2 n2 b: t5 _1 L$ s4.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 % K1 p1 F! c2 Z& j; N
5.大致方向总是不差 错也只是参数不是思路 不是算法
9 \1 z0 J4 T( q- f X' a. ^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 2 {. V+ _& u5 r7 v
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; p2 g Y. W& {+ C
--------------------- 1 B; [# R9 `( t2 a- I' C" N8 I
作者:-英击长空-
* o/ x1 m L; j2 Z, `& f来源:CSDN
3 r Y, s( ]1 ^- t/ U原文:https://blog.csdn.net/qq_26769591/article/details/80840673
! P+ r) m2 ?. ?; V* y- W) k' E
' ?2 R. r' o+ u' ]7 h7 ^5 S( d% Z5 f0 P x0 }! V, z; T
) |6 }" J7 g1 _/ S) @
, g: V P) @& V+ L$ W; a
|
zan
|