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：
2.相关性系数选择
  c) o$ \, u) c& m1 s) M3.聚类算法
4.一种数据降维方式
5.预测模型
% V: n+ p3 [6 r" F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
# f5 E. }  ]" q+ V, ]" x7 s
- F" s+ o- U+ X7 s' E) T4 N! f& I1.常见数据处理方法：
1 q; S3 H9 x! d* H. {; i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
# K8 n% N3 F  T! M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:
5 r# u7 M& \# Z) Z# k* F* ~
2.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



( Q: s& Q- q3 e) L! E- q6 z: O3.聚类算法
9 c6 l4 j8 h4 K( A, p7 |& v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
GMM聚类算法
( t4 u  S" x/ M  A& v8 m. [
8 G3 _" q3 m! @8 U! f; U6 ~

4.一种数据降维方式
0 t) ^% \5 T; a, H% f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
$ Y: |4 T( e5 f3 h0 M8 _2 B* L
9 x5 L! i% b$ g/ N
, l: ?9 k! j; C4 N5.预测模型
( W& P# G* \, Y& t& x1 C6 W- B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
$ n& p8 Q7 h% |! G1 b1 i9 c1 H# e
5 h" g; T  U- j4 \6 R
————————————————
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。
# O4 _3 p: v$ `, F8 g' c: U原文链接：https://blog.csdn.net/qq_44864833/article/details/126650997

' x+ b4 i- ]4 h  W  i" q* w
* C6 _* I4 S+ ]* H1 ?- t) l' i8 S: l