- 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
- 569642 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 176115
- 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 |
2 O8 G, r2 R6 I, t; w5 H【数学建模】数学建模(一)——数学模型概述
9 D2 t8 T/ k) ^8 U/ {/ ?4 y, A. y1 V3 v9 v/ s
/ }1 q, u, U$ i, w/ c2 n w一. 模型5 m& Y: \6 k. w9 p+ F
1. 原型和模型
7 Q2 t* T. y9 R6 P2 u$ M* ~6 w- v 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。 ^$ `; g) x2 ?. s$ m
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。5 W8 r; {% J. I( O
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。
0 M. \9 q q1 t, f) L; [2. 建模方法
2 Q' e# T# g7 C" k q4 L8 g# f 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。
6 M7 k) Z1 O/ K3 [3. 建模步骤
; w9 Z3 } v; j/ H5 Y' \3 S 按机理分析方法的建模步骤如下
6 b8 O2 n2 R+ ` C. T6 A![]()
& y) D* b v' T4. 建模过程
, x7 u: [$ R( { Y1 v; S- K 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。
L$ X1 S4 z) g - J+ P2 {6 c' i6 v9 V; l# n
5 N3 l& C( u5 d. N$ n1 ?6 Q
! Z* t( ]- h- G5. 模型分类, t6 j. j) u% ^4 j
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。
% s( b3 ^& g1 @$ E 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。" x7 ^- o; b$ \# K
按建模目的:描述模型、预报模型、优化模型、决策模型等。5 V5 x3 Y. U' f7 u* p
按对模型结构的了解程度:白箱模型、灰箱模型、黑箱模型。
* f% l" n' \: ^4 F* c二. 系统辨识- l" I: z9 G8 h& l8 ^% S0 |% w) o
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。0 I* B" {6 }6 Q! I
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。1 r+ m6 x) D0 U9 c1 m
4 a) s- `& B) w$ w) B
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。
$ f" x& D! M" M! n
6 F/ ~$ q8 }) f! A! l9 u2 W6 D- v. x# t. E' \- {1 v `
3 i9 i& S& ^3 p- ^, P" p9 ^9 o
6 ]6 C1 o8 N* S4 t3 o7 g; \- E' i! i: H) g# X8 _4 R3 U
0 ]+ V( N% _/ j8 a$ l/ J* K/ j; ^' f
三. 机器学习
! Y" q b! p" v" d8 N& {/ H 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。
: x. D7 h% R$ _" y0 M 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。
& d8 @" W0 u5 Z- @9 ?3 J7 x2 P% A7 |/ O* |4 ]- ~
& H; z2 l$ d+ _5 r. l5 Y' U
用于执行分类、回归、聚类和密度估计的机器学习算法, X7 M! l8 k! U4 C; d
" g* O: `* B( f6 A' m7 D
1 j) I5 z% j6 c4 h
- d& H, R/ e4 h8 `8 y
* K$ X. v5 ?& }. x- x
8 K8 D( g1 [2 n8 t0 \% N+ u
q& a+ c! O. a/ T2 u* ?1 Q 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。8 u1 d, h4 _' H0 [# Y+ k
/ Z/ N% X" Z- o! k# K参考文献:
( w) b% T0 O3 p1. 数学模型(第四版). 姜启源/ J, U3 n) s' t6 Y
2. 系统建模与辨识 . 王秀峰2 O K* [4 @& q5 k0 q9 y
3. 机器学习(第九版)
" C& C+ |; D+ l4 l* F3 W2 c/ O. {, m% x3 z& X
4 p8 e4 {( c/ c0 {. O- c; i6 A& X1 x8 u4 }* H: C3 `/ `, P
2 u- I5 R' G1 P# A1 g
|
zan
|