数学建模大作业中涉及到的知识点总结

杨利霞

数学建模大作业中涉及到的知识点总结：

! q; {9 \! f0 `- l8 U( Y
（1）写作缘由
（2）统计描述：
追加用excel 做频率统计
（3）相关分析（点二列相关 ）
' A) v! Q2 y* z) o6 D7 Q（4）回归分析
（5）特征选择和数据预处理
（6）缺失值的填充
（7）文档编辑的一些技巧
$ j3 r8 J. c* C6 s# f! }1 S（8）团队合作的一些心得
7 p  J4 c1 w. V: q1 I5 h（1）写作缘由

* y( ~* Q6 [! A  p7 ?/ m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

（2）统计描述：

①　频率统计
' c% N% w# S) k! J4 \②　中位数
/ j7 p" M2 c1 e; m9 E# e③　众数
④　平均数
⑤　方差
⑥　标准差
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

追加用excel 做频率统计
/ e3 M7 ?" M) f! v0 ?
https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html
1 Q& \* V1 h0 v( [
) |9 [# g$ _1 j（3）相关分析（点二列相关 ）
2 {- `% M1 m. l4 |; C* k




1 H! ?3 q! R) G5 E$ @（4）回归分析
$ [6 ?2 o1 k. T% n' q; V: Q3 I; h
, s/ c/ f0 ^- _- iLogistic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 i6 I: S7 d& v; F/ V: [+ B! y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。
! s) t( ^; }# J3 Y2 }6 q+ j/ [
回归分析一般有这几个操作：
: ?) ?& ^$ |: X: e6 F①　设置筛选条件，刷选数据集 valid



②　模型拟合度检验

& ^" ]' R- Q- k( |, M, o

③　预测的模型参数
* F! a. ]# b( @0 R
④　预测结果，准确率
+ k1 X/ X  r( l/ @& M9 C; G

" ?" k* m: V: h0 r- z7 @0 o

（5）特征选择和数据预处理

特征选择，主要是gzh的想法
/ h+ M2 A, M8 O  R! L特征筛选的思路：
分类变量用1 2 3 4 离散值
2 X, V# ~5 Y6 {5 ?+ t7 U7 [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
  x- T3 |0 [# K3 ^* O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
# P  m% X' r6 j  ^. J5 o
注意了：
3 A0 V4 d, }* H筛选特征的时候，重复性要考虑、缺失值要考虑

- a9 @( |5 L" V7 G- p（6）缺失值的填充
* b# ~! @* e% T! W$ {$ ?


（7）文档编辑的一些技巧
6 j1 H$ E1 u; L  W7 E; |7 R$ U
+ N, ^; ^0 x) v* g, bhttps://blog.csdn.net/qq_26769591/article/details/80848841

（8）团队合作的一些心得
- b4 d) c# b5 o
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
+ S) N) j1 v8 V, w8 I" r2.不会乱 不会重复做功 不会丢失工作
3.经验丰富 总能拿出一种解决方案
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
' T& t: y8 m# i/ K- }: F2 J5.大致方向总是不差 错也只是参数不是思路 不是算法
- f) W6 A7 Y! X" x1 |2 ]) g2 t  x- ^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
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
6 b7 S0 R5 c* r8 ]---------------------
1 d' p9 E; |) N' K. w4 Z5 K/ |/ m
1 `/ ^4 v% n3 g0 D$ I) H' S1 G4 g