【数学建模】数学建模(一)——数学模型概述

杨利霞

【数学建模】数学建模(一)——数学模型概述
: x) c+ X1 ?: n6 Q 一. 模型
; P: [% Z5 A+ C1. 原型和模型
9 |6 F) _; g- b2 p        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。
7 Z( Y1 m+ u3 O! {: w' Q8 L4 Z* G       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。
       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。
/ u2 G  x0 p/ b/ z, |2. 建模方法
        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。
" G! G3 x1 ^" g& v- M; y3. 建模步骤
        按机理分析方法的建模步骤如下

$ T: e: x. {" h; I2 ^- K5 j
4. 建模过程
5 l2 Z; c! Y& g% c8 j. w& m        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% l8 Z( N! `# e
; V- d- U1 x/ g
5. 模型分类
9 v" K5 T1 Q; A  o: {' G        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。
1 h3 B- }+ H/ G2 H1 w8 L1 x        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。
$ Z' A. S# Q' E5 H# O2 C+ r8 v. u' t        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
, f$ Z1 D7 n( m3 C1 b2 j+ H二. 系统辨识
# [  q2 X: @# E$ r' F        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。
        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。
        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。

8 s8 R" e2 @9 p3 Q5 w& }% H4 c1 `
三. 机器学习
       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。
        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。
& D5 D! v- k3 B1 A7 b% A用于执行分类、回归、聚类和密度估计的机器学习算法

0 m; F: X, u1 R- G, j
        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。
+ j  G7 \7 Z; k& s1 _7 @1 }% R3 \
* \  \2 _! w7 x4 F4 {
8 u/ F2 b& u1 H, L# C6 s' K参考文献：
# X2 x7 c& l) j/ K1. 数学模型（第四版）. 姜启源
+ U( U$ ?  c- k0 U+ B7 d2. 系统建模与辨识 . 王秀峰
0 {! a8 J& N$ o3. 机器学习（第九版）

6 U4 d, o0 b& I4 Y% B! g- y
$ [9 n/ j% C: J0 _! [3 M* W3 m————————————————
版权声明：本文为CSDN博主「大数据分析BDA」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
1 u0 R" g" a1 Q+ b. }原文链接：https://blog.csdn.net/shandianke/article/details/42581155

一. 模型
1. 原型和模型
8 H( p2 \% l% k9 O+ t- H        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。
. y" a* P2 R& T( u       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。
       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。
2. 建模方法
# g( ]% G) S$ }+ k8 O, T$ A        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。
8 `8 V- w6 O! `3 u! D3. 建模步骤
        按机理分析方法的建模步骤如下

1 z1 S  o' n6 Z* w) C. B
4. 建模过程
8 |" M4 S1 z+ {/ F( O/ T        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。
6 U3 r8 o7 o" N& X
+ L  k  _+ Y  z' e$ y; P
5. 模型分类
# _. ~8 g/ f8 ?        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。
        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。
        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
二. 系统辨识
        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。
; u9 W" w3 Y8 M! l7 K8 n        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。
* S* E# ^7 q  V. X8 J        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。
7 l" f' z. ?1 Q% p

三. 机器学习
       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。
9 E6 |' `) ]9 Z- y0 x8 m# u# i        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。
- o0 E1 w/ Q2 Y/ g$ T用于执行分类、回归、聚类和密度估计的机器学习算法


        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。
* T- V4 [0 _( k8 t& v, X

参考文献：
. g' U, L" a3 H+ @2 }3 x* M1. 数学模型（第四版）. 姜启源
2. 系统建模与辨识 . 王秀峰
+ V& u& V2 j! {0 L9 D3. 机器学习（第九版）
8 p  _' h$ _- k& c2 T" Q/ L" h
0 V5 P) x/ F' z% Z
% S9 |- N8 X7 ^* T/ i————————————————
版权声明：本文为CSDN博主「大数据分析BDA」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/shandianke/article/details/42581155


8 n. }' P" l+ S$ J& Z