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

2021年研究生数模B题论文记录
1.常见数据处理方法：
7 W2 ^/ m! `0 h. Z2.相关性系数选择
3.聚类算法
2 w0 b- R+ S0 A: J, B4.一种数据降维方式
5.预测模型
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
+ L" E( E0 C- t1 Q8 k' s
: ^6 L7 E! {8 m0 G. {3 P# P1.常见数据处理方法：
' ~7 P' o6 l8 l+ m0 R+ R. E" n# w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
5 R) w  Z5 ~; b  e5 g/ J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:
" q' O& Z0 G6 E( s$ F+ x5 k$ j
0 w3 E+ A. H: I7 G* M0 |. i2.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
9 T6 c$ b3 A6 t+ S/ I4 k( W8 w1 e6 b
" r5 ~  R1 C/ c2 \; j* B! h

3.聚类算法
5 d; K- U9 S. f" \8 ]- [! I0 a3 V0 B文章中主要提到了两类，基于EM的GMM聚类，K-means聚类
& |. G3 R9 O4 T: g( d# B0 h! b6 s. E: c, HK-means聚类算法
GMM聚类算法
; F: a" U' `) L


4.一种数据降维方式
% x9 s5 M5 M5 r/ X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


% e) k$ M- n7 ?' @5.预测模型
( v, d4 D7 l% l7 _: J6 \# c1 ]# n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
! E) z* F* I, T; ~6 X
: B. d) D* E4 O! q( r/ c% H
, n  s9 Q+ B9 n————————————————
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。
) y; j; o$ h& J( j原文链接：https://blog.csdn.net/qq_44864833/article/details/126650997

& b+ J. F' V8 w' P. K+ b$ l- q: I  c6 }