- 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
- 563306 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174215
- 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
6 ]# y* N1 |& E7 }) Q: s- K7 z数学建模大作业中涉及到的知识点总结:
5 X0 A4 E4 w! G+ p ^9 b+ f) s' v: e3 r7 v
(1)写作缘由 H3 z0 v$ ?" `
(2)统计描述:
8 S; F. I* R& K追加用excel 做频率统计+ |4 a7 n7 f8 Y/ h
(3)相关分析(点二列相关 )
8 C& Q! `2 l4 S( g* ?(4)回归分析
/ L: m( T. C2 c(5)特征选择和数据预处理
7 y& o, z* d1 u& T/ l% z(6)缺失值的填充
+ q+ T. w5 I" s& O. o. S(7)文档编辑的一些技巧 a2 O) s5 n( m$ V* n9 O
(8)团队合作的一些心得
5 E! k3 ?: o. D! N; s+ ?$ [(1)写作缘由
. c7 n% T0 t {2 b" l
0 {0 L( u4 O( _% } o( O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
0 B: X/ O+ ]$ o: ?2 }) e2 m
2 Y4 t" o/ T0 I- J(2)统计描述:
; J' C6 t; h) N/ `$ |9 N# Q
8 h! z8 w) x5 v& M `: Y+ K① 频率统计
5 V4 J" h$ s- T$ g② 中位数 9 o4 `+ {9 J8 O; s' m
③ 众数
! T% P/ y7 Q! S& g8 W; [7 o' G I* o④ 平均数 ' m% T" j2 Y1 B% {
⑤ 方差 - U; n2 `- t& @/ \2 R" u) [- f, X, F
⑥ 标准差 3 `0 O7 e4 F9 G5 P/ A% i5 G. k
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 7 ~# P. k7 a2 d+ i
4 s. s* M6 q2 n4 B2 C% B
1 c7 k- S) ~3 j+ K2 U追加用excel 做频率统计
0 S3 d1 O% ?& `( p+ h & M) h' f' w! J! R
https://jingyan.baidu.com/article/219f4bf7f1eee4de442d383f.html5 V! f4 y! i6 n
' X t( e) K$ {5 b! g% R5 \0 _- u( O
(3)相关分析(点二列相关 )
* u" k9 {- y. r6 r1 Q6 S$ K![]()
9 M0 u Z P' o& }: ]' t7 j; W2 u) @/ R" s7 ]& y$ K) i5 G
; q) Q1 Q5 y$ G" V
$ S" q, G+ n5 S3 a, U: s- v1 d f, c; A: h* v; Q& [/ Z6 k
(4)回归分析
! d' Y& o( \5 \5 k
" f5 t% Z; f0 n, N# ~# p3 @& hLogistic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。
3 {( L' M4 C$ ~0 K) R, J. s- v) r6 e- J: G# l; N
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。# I* X, C% N7 l8 u' t' { u
, [- B# [ L' }$ X% W: V7 o* T. l
回归分析一般有这几个操作:
$ E; |0 R( L$ q. H: ~① 设置筛选条件,刷选数据集 valid
! }/ X* g# b/ j4 w% s![]()
) c, ]& H2 m/ t0 ~8 R% N
( o" d) J& F" o# W + L0 @' N# _) ?& v4 O& m
② 模型拟合度检验
; \ d9 r v, o1 l0 M# }9 g & {3 l3 A) x/ ~0 |
![]()
/ G5 C$ p3 Y1 X e M/ j8 D, M! y. G, q7 }- s6 M
③ 预测的模型参数 2 T w$ S# m' F9 k# E& X- L0 p* E3 o
![]()
! r3 J( t' j* _! V2 S% r④ 预测结果,准确率
7 l! p6 U9 f$ { ( j$ l) H J9 j! Z2 N/ o, g
![]()
3 D2 x7 M! `% v+ {+ y" h" W; Q: b" \; @4 t! A) p, V
0 q$ z( e6 D* G- }; @7 @ }
(5)特征选择和数据预处理, H( p% O0 d; p) z
6 B* ], l0 {/ r% H
特征选择,主要是gzh的想法 ' \# { Y* c1 R' ?
特征筛选的思路:
" F, h1 k/ D* A& T8 y分类变量用1 2 3 4 离散值
0 Q! j7 A7 l( I2 y( G7 L+ B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
" \' h6 I, B2 V& C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- x7 E9 H5 {0 }. f+ ~
% e4 P/ Y( X* d7 V% h& Z, p O. ]注意了:
) n2 N$ |- ~0 I' i, I筛选特征的时候,重复性要考虑、缺失值要考虑
. E0 h Q0 H0 T5 ?' v* z5 H6 s9 t8 _+ G7 f' C
(6)缺失值的填充
5 \- R7 s: c! u; H( g1 A+ e; ~1 O
& K! G- s6 d+ _* J/ J. ?. W6 V![]()
6 p+ m, r1 g; c2 d4 ~! s( G' ^, |" [3 z
(7)文档编辑的一些技巧- B4 u T( O6 S9 E
. L5 i7 O% P' [: y. \
https://blog.csdn.net/qq_26769591/article/details/80848841
2 ]6 `7 ?- O& N* I. |- M% h8 d& G3 z' |4 B: J3 M
(8)团队合作的一些心得) @- {9 C# L+ j# }# o* n3 T3 f- ^# o: I
& r2 e: m ]' ^ x8 k/ d# d
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 ( k. D5 a+ P4 V! b9 b: g
2.不会乱 不会重复做功 不会丢失工作
$ `2 E; I) |0 _% F D+ r3.经验丰富 总能拿出一种解决方案
$ W: l3 K9 i( r; \7 V) D4.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
$ r, @$ I5 }$ [- j' n5.大致方向总是不差 错也只是参数不是思路 不是算法 $ {$ c7 n: @9 V& n
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 ' E: S! z4 t9 O( b5 r
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, n- @; V* v ^8 m# B
---------------------
6 ?% s/ a$ t8 f! Q1 I作者:-英击长空- : f! j3 \, f, h/ x8 h' H* F" u; s
来源:CSDN
" ~' X9 e: {+ T! c/ _3 }& n原文:https://blog.csdn.net/qq_26769591/article/details/80840673 6 c! ^3 L* y+ G: f
- \6 w! k* R6 o! d7 S+ x7 l. m
) Y4 h9 o/ E( T
7 B% H7 A# d v8 E8 N4 J: Y
1 q1 r* ?0 n) \0 p# T& b2 a |
zan
|