2021年研究生数模B题论文记录

杨利霞

2021年研究生数模B题论文记录
1 I# d& i# d0 w9 S- s
2021年研究生数模B题论文记录
5 O' u5 W: f5 G1.常见数据处理方法：
# m- O1 B' I; l3 C. O2.相关性系数选择
3.聚类算法
4.一种数据降维方式
, x6 ?) y$ \6 d9 o1 A0 _  C! L5.预测模型
, }7 }* J6 X0 Y" R文章来源 2021年全国大学生研究生数学建模竞赛优秀论文集合，B题，文章编号：B21100130067
1 K" V) S# i& H) W7 L# o
1.常见数据处理方法：
针对缺失值，文章使用的是拉格朗日插值法，相较于平均值插值法，更加适用于有时间序列性质的数据，同时插值后的数据属于预测的一部分，文章中的观点是保留小数
3 @4 z! C" h( J: O. z) i) k5 W针对异常值，一种是不符合实际意义的数据，需要通过文献查找进行删除，一方面可以通过箱线图进行判断，也可以使用3σ准则进行判断,3σ准则解释:

1 ]8 D$ N9 d" S6 W$ M% L2.相关性系数选择
常见的有三种，皮尔森相关系数，肯德尔相关系数，斯皮尔曼相关系数，知乎解释
. h( W1 I  M. ]0 _, U0 |
6 k3 Y- n/ K2 D( G+ S$ x

6 ?5 r! x* t; j# D9 B( ^3.聚类算法
文章中主要提到了两类，基于EM的GMM聚类，K-means聚类
K-means聚类算法
$ E- v) f7 H+ O9 u4 G/ ?( QGMM聚类算法
& v0 w* U  ]" r+ X


- n4 Y, O: Z  v4.一种数据降维方式
论文中提到的将22维的数据进行降维处理，判断降维后的数据是否容易进行聚类，进而推论出高维是否容易聚类，提到的算法是t-SNE t-SNE算法
, ~: R1 \. e2 }# Y1 K
1 {; j" ~  o6 i* P1 N$ e* t- L
5.预测模型
" }  b, u* I, `文中使用的是XGBoost算法，论文中的第三问和第四问都是用的这个算法，使用时候，作者将数据进行纵向合并，数据集划分等操作，同时由于输入的维度过高，达到22维，而输出维度很低，还通过了输入特征与输出值的相关性，将维度进行降低，提出相关性不高的特征，最后图像看起来很好。XGBoost算法讲解

7 L' O. d# j! n$ S0 X. _$ q/ |
————————————————
1 O* Y2 d3 D/ A( t8 W; i7 P; R& G版权声明：本文为CSDN博主「Philo`」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/qq_44864833/article/details/126650997

( ^4 {: c/ a, @/ s- [5 N0 R, a9 D
! ~0 V3 ^( J: @2 N7 E4 V4 r