- 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
- 564672 点
- 威望
- 12 点
- 阅读权限
- 255
- 积分
- 174624
- 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 |
M* u3 l& ]5 D+ K7 f
【数学建模】数学建模(一)——数学模型概述
4 I. l6 j2 j4 Y8 ?4 P6 \6 v4 a( o9 D! ?/ W! g0 h
9 E C: C+ ~" Q' v* o! w
一. 模型6 g2 Q" R3 N0 s
1. 原型和模型" g1 h; c |- K7 K9 c# B L. F
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。
2 Y) J8 V& v+ ]7 n 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。
5 V5 R! D3 h4 r 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。
. P, r) Z8 u! q) I$ t4 q8 W2. 建模方法
5 [' Q" P7 ]2 L 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。1 N5 P8 W) G; B: G" ^8 z5 H* T, p+ U
3. 建模步骤
8 P4 d f& z* b6 L 按机理分析方法的建模步骤如下
7 j6 R: A' O5 J2 n3 y' p* t![]()
+ H I- V- i9 O, E+ p0 c4. 建模过程
, M; x' `# d0 H( [4 ]; d9 @& v6 w 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。. e2 z1 [3 g' J) @+ O
![]()
. Q) _/ g i6 x! `4 m! C' D+ U; H; [% r( k& H2 J+ x5 q
; r3 d) C- x6 F2 u+ a6 N5 q. M! k5. 模型分类
1 q0 C2 ~0 H* x, `' l( Z. ~& a# E1 } 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。
8 p* K) R' K4 E( u 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。
$ X* }4 ?/ [8 ?8 {% E 按建模目的:描述模型、预报模型、优化模型、决策模型等。7 N5 A p: Z1 J: d6 m8 Y1 k" l
按对模型结构的了解程度:白箱模型、灰箱模型、黑箱模型。
5 z2 z: j F- ?% q; O1 u+ k9 Y二. 系统辨识$ T( u( s$ J6 B6 y
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。/ q: Y) A+ ]" N6 p
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。0 k* F7 n7 ~- S5 P
+ v: D$ ~" x% _ |: P$ n. ]
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。
5 e# c; a7 Z: l1 B) a0 Y
2 {+ K8 r0 w* k; b* l8 Z1 Q s- v
; @0 g ~) c: ~ : \8 d" Y* V: V, N
+ [- ~1 n% \4 B$ k `, B1 v
I( D: b' z3 f9 V/ x, F3 I
' t9 F4 S1 v1 J& ~/ X三. 机器学习$ m% S! p, J; C* F+ I
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。/ T; ^0 N# n) ^7 \$ Z2 g
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。
3 e# G: R5 ^: g( y+ M3 e% L0 C& H( n) j" Y% y
' K" }% S: W" Z8 Y: H" {用于执行分类、回归、聚类和密度估计的机器学习算法2 X1 n% b% ^1 j' U) r
% j& h ]; v) o+ N4 [ f: X
; B5 G, |3 Y4 Z" k- ^
' U9 m& J( Z2 y; H- e( L
7 p1 b \& q- s
4 A0 ^! j. J; Z4 D+ W
! h8 l7 j. {+ D% ?& S- b0 b
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。6 H: M+ f# a5 i" C* I# [9 C( S+ y: W
# j2 l- x$ M3 b4 P- y$ `, _$ Q参考文献:/ _2 @% F5 j: J) X) k
1. 数学模型(第四版). 姜启源 }( [) M- c8 i; p7 a Q
2. 系统建模与辨识 . 王秀峰
) w/ U# y9 O/ l& L5 K3. 机器学习(第九版)
% D/ E& G- r3 }* c6 t; g' q
, f# W# M4 f0 A6 Q7 N5 ^
% ?- }: b$ m7 H7 _: J: f' A0 Z7 W/ n" s
0 m6 m& ^* _4 m/ T% y1 A% H, H# t( j |
zan
|