【数学建模】数学建模(一)——数学模型概述

杨利霞

【数学建模】数学建模(一)——数学模型概述
一. 模型
1. 原型和模型
        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。
6 u* L! r- U6 C3 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。
7 L: t6 f. C  M       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 ^& R) u7 ^0 e. ]9 D, r- y! x/ p2. 建模方法
        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。
3. 建模步骤
# z* H7 E% i3 l3 w$ v+ T        按机理分析方法的建模步骤如下

7 s2 A" t: C/ E4 M0 Q
4. 建模过程
        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。


6 B; f1 |" l' i; r& ]/ E7 _5. 模型分类
( F  b7 N4 F) c, w% i4 C9 b        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。
0 V- c* F' N4 [9 y, d$ Y4 Q6 C        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。
0 ^- h  @- V. \5 m1 _& t0 r( N        按建模目的：描述模型、预报模型、优化模型、决策模型等。
# M: r! W0 [$ \( s, U        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
二. 系统辨识
        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。
6 g  P+ G, G  a: g! j; x6 W/ h        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。
( ]# j& |4 @  u2 h% Y  E$ L* z        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。
* E' Y% d8 `1 k" C# G

- c0 n3 X* k( b: [; {三. 机器学习
       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。
        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。
2 J! C5 S- o% s- S2 Q用于执行分类、回归、聚类和密度估计的机器学习算法
* }$ d2 y  D/ m0 J( b9 u  Y, v
2 s- }; v3 c! K" A3 I; U6 D" E  g
        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 E, ]" c( c/ N+ @3 e( a  j
& o7 l/ H9 ]; g# _+ }3 S' l
2 q0 T3 [2 T. x# h9 k& N  K参考文献：
. \# X. u, Q7 t# h1 e& ]7 q1. 数学模型（第四版）. 姜启源
2. 系统建模与辨识 . 王秀峰
3. 机器学习（第九版）


————————————————
7 V6 d* K) O7 E8 l, n& n; n5 u版权声明：本文为CSDN博主「大数据分析BDA」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/shandianke/article/details/42581155
* ^$ w0 c0 T6 U8 ~5 Z" n# u
7 X% x* L* v5 @( p5 i& \. i/ e 一. 模型
1. 原型和模型
        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。
       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。
6 _/ z9 E0 t; h$ j1 [9 `% x7 V' L       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。
. x7 n' B3 ?$ _. D. {2. 建模方法
        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。
3. 建模步骤
        按机理分析方法的建模步骤如下


4. 建模过程
, H5 {7 m( r* m. E+ G+ a        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。
5 ]" k7 X. l; U  m
+ o2 D  b1 i2 {) Y; ~/ q5 u" {9 s
5. 模型分类
        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。
3 J& u. b) Z: i        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。
        按建模目的：描述模型、预报模型、优化模型、决策模型等。
        按对模型结构的了解程度：白箱模型、灰箱模型、黑箱模型。
二. 系统辨识
6 Q) R9 G# D1 k  s        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。
9 N! a0 G1 Z5 K        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。
/ I1 U& F- Q' E( X% J( l% W        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。

' c8 i; R, h# [: C
三. 机器学习
       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。
        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。
& [: v4 T" z9 l' p  W  d4 }用于执行分类、回归、聚类和密度估计的机器学习算法
3 G0 y1 ~( v6 J+ z0 s3 P5 n

. a* E6 t5 H3 S! X" v+ @        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。


参考文献：
1. 数学模型（第四版）. 姜启源
. S( o2 g) `# o+ a( N' L- E/ e( P2. 系统建模与辨识 . 王秀峰
3. 机器学习（第九版）


. K+ x2 K3 v5 b. P# a1 d————————————————
5 r  f, I4 v" [4 V9 `9 N版权声明：本文为CSDN博主「大数据分析BDA」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。
- n; S3 S; y( V原文链接：https://blog.csdn.net/shandianke/article/details/42581155
- U: X# A# }8 P) Y7 ?- L
+ Z6 M' `  y3 M1 y/ f
) u' L" k% \6 _