- 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
- 567280 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 175407
- 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
% i, |& X4 F5 H# G9 _! w数学建模大作业中涉及到的知识点总结:# w" p4 A, V1 M& Q" M1 W
q# A& v# j) ^2 A2 i1 y& H
(1)写作缘由3 D& ~+ d6 l3 A7 a } ^
(2)统计描述:
6 k: }8 |* P7 T追加用excel 做频率统计8 p/ M: s% P5 w. D q/ t# i
(3)相关分析(点二列相关 ). c% m! V& g3 I0 T4 Q
(4)回归分析6 O1 X6 P& x% w1 E4 b2 m
(5)特征选择和数据预处理4 V4 |" a8 k$ f7 U! ]
(6)缺失值的填充
9 \, `4 o. ?' b3 I2 `' \) V+ U w( e" a(7)文档编辑的一些技巧
5 {; z4 d- q' w2 x/ \2 }3 r& _(8)团队合作的一些心得
$ k! v" L' E0 h$ ^2 b( P(1)写作缘由
( c$ c' w! ]8 Q6 @8 ~/ y) g `" |
5 Z: x3 y) W; n. q7 `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
" U. P7 G8 k/ \; X U, W* t) g) T' v3 I( p m) G* l: n
(2)统计描述:1 u [( O2 S4 l4 c5 R
5 @7 n' ]0 ^# s9 ^( m* U0 o① 频率统计 + J7 `0 s1 e% y" F/ X1 h- g! @/ Y+ M6 s
② 中位数 : U. _- [& a4 Y! V
③ 众数 7 U: t9 L0 [9 |
④ 平均数 0 ?# ]. o" e6 w9 S4 o* c) Q
⑤ 方差
0 M& G" n- [9 X7 Q8 ?3 t/ l⑥ 标准差 ' d! N) U1 u/ O
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
9 E+ g0 z; J1 d" t3 H) T
: ]0 c6 p, Z, {4 i2 Y
% F7 w' J1 r4 l/ F' G7 j7 d, u' @追加用excel 做频率统计
- r0 S: H6 {$ X" f( W ; ~2 |& M1 u1 z, {4 Y
https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html( a0 h8 _1 i u- o
1 I& R8 K- U5 l$ |2 T& v: @" u+ @
(3)相关分析(点二列相关 )2 p( c5 B4 w: z# d/ _0 S4 l3 W6 [
6 t" Z7 W) g5 K+ q
+ L; z) @$ X1 d/ B5 ~
! q; E' k" z& I% M
$ m% P5 A, S' l- w# i/ w
+ A5 B P6 p* R( q' `$ ](4)回归分析
! U; d# v8 L( \' k D2 ?' U5 P% _: k4 o3 b1 u) a+ T1 l5 L) S
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。6 O8 @0 o: j1 f$ ?! X
7 s3 L4 \1 f* Z% J* p2 h5 U0 p
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。
6 |9 t6 m; v* { p* ?: n2 }! Z/ w- a' A/ p: O: ]
回归分析一般有这几个操作:
' p$ h7 Q4 ~# j+ o5 @① 设置筛选条件,刷选数据集 valid + Z/ |+ ]. h/ X4 s
![]()
+ e- {; }6 K' r! t* J4 _* K) T8 C
* L# c* T) z! P! @![]()
7 ^+ e' h% ?0 P& I. H) w7 Z$ I6 s② 模型拟合度检验
- M. q" p/ L# T" i" L2 W / r* \. r9 N$ O7 a4 a$ Z: M0 u
![]()
! Z \# Z& M, ~8 f
, a6 k5 T$ l: L* { L③ 预测的模型参数
1 h5 q/ S- m# H1 M: j 9 b! Y2 `7 k+ s7 I6 N
④ 预测结果,准确率! p/ ]7 q' b6 S( ~1 q, U
0 ?; Z# X" s! K+ t0 h X" V) r
# v$ g( e8 h/ F* \- a
5 S$ Y' r' }' Y& D
9 Q6 b2 l8 x5 [9 ~+ ]3 x/ @(5)特征选择和数据预处理
! b) C1 L0 `6 u( ^' u
6 V2 N" x! I. {0 p S' d' Y2 U特征选择,主要是gzh的想法 # _$ C* V" ]4 I. d s0 o
特征筛选的思路:
+ ^" g! ?8 m1 t/ O1 a" q分类变量用1 2 3 4 离散值
- [4 O: q, Q! n7 r, z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
1 j! o- [) B$ W4 [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 Z8 O r2 K/ J
7 B: z+ {6 [* G% ~& b
注意了:
' }3 A( ], R/ ~8 G& Q; x! {筛选特征的时候,重复性要考虑、缺失值要考虑: A5 L+ x# l+ J
& D; F) D& t- D4 c( j) ~
(6)缺失值的填充* y6 h8 J5 m7 E3 c' p4 L
8 }6 _) t% B* k![]()
* G1 y5 y* n5 ?+ }% ?8 J+ q- t3 w0 Y0 }: j
(7)文档编辑的一些技巧* b- [, e1 ^: I- c! \
% I- o& f' q5 a' d' `, m- w9 Ehttps://blog.csdn.net/qq_26769591/article/details/80848841
; f ]& G" g3 S
) ~0 T6 g. F3 [- X5 x(8)团队合作的一些心得
. Z! E$ F! f! G) v% K% m5 F) ]( h6 w* V6 \
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
* {$ M, n. Z& ?1 _' y2.不会乱 不会重复做功 不会丢失工作 [- k! f7 J m: k; [. y; {
3.经验丰富 总能拿出一种解决方案
4 j6 M/ h f. H0 O/ V( C: ~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**近
( C# u) P" e8 Z4 S5.大致方向总是不差 错也只是参数不是思路 不是算法 ( @5 H7 s# u5 t
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
" T: L! Y7 S$ N( V$ ^0 G7.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2 e1 T8 _- ?4 H G
---------------------
2 X6 F' m) P+ Q作者:-英击长空-
1 ~/ {- q/ l& L2 R3 s& V来源:CSDN
6 U) j [: b! k7 Y原文:https://blog.csdn.net/qq_26769591/article/details/80840673
5 b9 {& q" p4 e* n3 }3 \* m, r1 |) O
5 K- {. ]: C3 @: C$ f, H: v/ u1 j" h+ T/ ?. x" n
4 U1 U" G( u/ b* ~6 J% t) {$ n9 A: j, [- t" H& m* B7 @0 ~2 S
|
zan
|