- 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
- 565630 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174912
- 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 |
+ F1 H. E$ V9 L- L3 n) |. q7 A
【数学建模】数学建模(一)——数学模型概述
6 F; ]7 @% i5 b+ n i2 ?: U, @. L8 h+ A2 s0 e& j
% \5 @: L9 g4 C% u! v& S一. 模型: e0 v/ S6 s* M' d: L9 n
1. 原型和模型/ F& j6 Z/ {& k4 y& e4 X
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。- [& @( U% b4 Q: n5 L* T
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。: {4 x! `1 ?* _. g
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。8 a& o! Z Y6 z& z% i4 z/ c7 D( P
2. 建模方法- G; c" ]% {3 o" R3 k7 b3 t
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。. N9 `4 i$ p0 S
3. 建模步骤
. h1 O, r0 P1 \/ G9 ` 按机理分析方法的建模步骤如下
; l+ Y$ i$ Q6 n' S; A2 q ) g8 p7 U. C! `& L
4. 建模过程7 K! R v( q2 v: b# H! g
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。* F/ ?, \, Y8 d. M7 b! P2 N$ e5 q$ c; Y
![]()
9 ?5 W4 y) X. |" v1 A# j2 ^0 x3 f: D$ ~0 ^# h
+ u- e. Q/ s; Q& V0 m1 v# [
5. 模型分类1 F1 ^0 S9 ~* L3 a' ^
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。
' t, a Q1 M. D; s& w& {# I. N2 Q- O 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。
$ E) x8 T5 {1 I: G# [3 A2 A; k6 | 按建模目的:描述模型、预报模型、优化模型、决策模型等。
4 A- C, C: _! j& [5 O 按对模型结构的了解程度:白箱模型、灰箱模型、黑箱模型。9 V, S- k4 W# {# ~5 z4 T0 Z* o
二. 系统辨识6 a0 k3 I9 M& |1 X* A1 ]
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。3 L/ V t4 p4 u L
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。
' r% O) c* U( L
7 i. F+ c0 X9 ], Z; x2 ~7 R 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。' T8 I1 `5 T- \ G
+ l4 M" B: L/ l' v, c
1 I& a3 K6 y1 s" Y+ f ]: T( H " |% d4 r+ {$ f* H
/ a) P* j5 R0 N# O' ^2 W( U" x9 }
! ~. |6 K7 F$ \$ b7 m+ v
2 m0 u" F2 q8 a' {% [- F5 d三. 机器学习
: X" f2 r" `! u2 a 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。
+ p1 _4 Y3 K5 q0 V5 B 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。7 }) f; z! y' s2 A
, b& {3 ^; f8 V; l
' `$ W) q/ _+ f. [用于执行分类、回归、聚类和密度估计的机器学习算法+ V7 _: l: R' E6 A) `/ u
. V# ~0 A5 @; |/ ]" [
8 ~% w/ J9 a0 ]0 w* k! G# T6 n
![]()
- D; g j# c2 ^% b) D0 @' ~4 r
( r) a( o& @# O! q+ h7 l3 ?* G8 x* w$ R1 U# e8 @
' ~; i" b0 `$ l* x
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。7 o0 o2 B9 d& w4 G- Z& t' X& \, J
5 [& S5 c: ~, H# C- C参考文献:, s6 M$ r: k' c% x, W+ ]0 W
1. 数学模型(第四版). 姜启源. r2 {, s4 @* D4 X! ]. E5 o% P
2. 系统建模与辨识 . 王秀峰
& K! H0 l& K0 d) |1 a3. 机器学习(第九版)% {" r9 N! O s5 k! W+ t5 y) a
5 U$ y) S+ Z* z/ v* _# j" _! X* |9 H2 ?: {( `
$ ?8 Q( Y; W2 Y" n
1 }, g; ]1 I( n2 c8 c; _' I7 z1 v |
zan
|